VGG-19 是由牛津大学视觉几何组和 Google DeepMind 的研究人员在 2014 年提出的一个非常经典的深度卷积神经网络模型。

一核心结构

（1）深度： 模型名称中的 "19" 指的是模型拥有 19 层带有权重的层（通常指：16 个卷积层 + 3 个全连接层 = 19。如果严格数带参数的层，输入层和 ReLU 激活层不计入深度统计）。

（2）简单范式： VGG 系列模型（包括 VGG-11， VGG-13， VGG-16， VGG-19）的核心思想非常简单：只使用非常小的 3x3 卷积核，并通过连续堆叠多个这样的卷积层来构建一个很深的网络。这种设计在保持相同感受野的同时，大大减少了参数量（相比大卷积核），并增加了网络的深度和非线性。

（3）结构图：

输入图像 (224x224x3 RGB)
-> 2 x [卷积 (3x3, 64)] -> 最大池化 (2x2)  // Block 1
-> 2 x [卷积 (3x3, 128)] -> 最大池化 (2x2) // Block 2
-> 4 x [卷积 (3x3, 256)] -> 最大池化 (2x2) // Block 3
-> 4 x [卷积 (3x3, 512)] -> 最大池化 (2x2) // Block 4
-> 4 x [卷积 (3x3, 512)] -> 最大池化 (2x2) // Block 5
-> 3 x [全连接 (4096, 4096, 1000)]        // FC Layers
-> Softmax -> 1000 类输出概率

（4）激活函数： 所有卷积层和全连接层后都使用 ReLU (Rectified Linear Unit) 激活函数，这是深度学习中常见的非线性激活函数。

（5）池化层： 使用 2x2 的最大池化层（Max Pooling），步长为 2，在每组卷积块之后将特征图的空间尺寸减半。总共有 5 次空间下采样（池化）。

（6）全连接层： 在卷积部分之后，通常有两个 4096 单元的全连接层，最后是一个 1000 单元（对应 ImageNet 的 1000 个类别）的输出层。

二模型特点

（1）深度有效： 通过堆叠多个小的 3x3 卷积核，VGG-19 证明了增加网络深度（层数）能显著提升模型理解复杂视觉特征的能力。

（2）结构统一： 所有卷积层都使用相同的 3x3 核大小（步幅为 1，填充为 1 以保持空间分辨率直到池化），设计非常一致且易于理解。

（3）参数量大： VGG-19 是一个非常大的模型，拥有约 1.38 亿个参数，主要集中在最后几个全连接层。这使得它训练和推理都非常耗费计算资源和内存。

（4）高精度 (At the time)： 在 2014 年的 ImageNet 竞赛中，VGG-19 展现出了当时最顶尖的识别精度。（虽然当年冠军是 GoogLeNet/Inception-v1，但 VGG 因其结构简单、效果显著而极具影响力）

三与之前版本的区别

以VGG-16（13 个卷积层 + 3 个全连接层）举例：

VGG-16 和 VGG-19 的结构非常相似，主要区别在于 Block 3、4、5 中卷积层的数量：

Block 3， VGG-16 有 3 层卷积，VGG-19 有 4 层。

Block 4， VGG-16 有 3 层卷积，VGG-19 有 4 层。

Block 5， VGG-16 有 3 层卷积，VGG-19 有 4 层。

VGG-19 比 VGG-16 更深（多 3 个卷积层），参数量也略多（但量级都在 1.38 亿附近）。精度通常略高于 VGG-16，但提升边际效应递减。

输入图像 (224x224x3 RGB)
-> 2 x [卷积 (3x3, 64)] -> 最大池化 (2x2)  // Block 1
-> 2 x [卷积 (3x3, 128)] -> 最大池化 (2x2) // Block 2
-> 3 x [卷积 (3x3, 256)] -> 最大池化 (2x2) // Block 3
-> 3 x [卷积 (3x3, 512)] -> 最大池化 (2x2) // Block 4
-> 3 x [卷积 (3x3, 512)] -> 最大池化 (2x2) // Block 5
-> 3 x [全连接 (4096, 4096, 1000)]        // FC Layers
-> Softmax -> 1000 类输出概率

# VGG-16模型定义
class VGG16(nn.Module):def __init__(self, num_classes=10):super(VGG16, self).__init__()self.features = nn.Sequential(# Block 1nn.Conv2d(3, 64, kernel_size=3, padding=1),nn.BatchNorm2d(64),nn.ReLU(inplace=True),nn.Conv2d(64, 64, kernel_size=3, padding=1),nn.BatchNorm2d(64),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),# Block 2nn.Conv2d(64, 128, kernel_size=3, padding=1),nn.BatchNorm2d(128),nn.ReLU(inplace=True),nn.Conv2d(128, 128, kernel_size=3, padding=1),nn.BatchNorm2d(128),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),# Block 3nn.Conv2d(128, 256, kernel_size=3, padding=1),nn.BatchNorm2d(256),nn.ReLU(inplace=True),nn.Conv2d(256, 256, kernel_size=3, padding=1),nn.BatchNorm2d(256),nn.ReLU(inplace=True),nn.Conv2d(256, 256, kernel_size=3, padding=1),nn.BatchNorm2d(256),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),# Block 4nn.Conv2d(256, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),# Block 5nn.Conv2d(512, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3, padding=1),nn.BatchNorm2d(512),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),)

四 VGG优缺点

优点	缺点
历史贡献：深度验证 - 首创使用连续小卷积堆叠深度网络 - 证明了网络深度对性能的关键作用	参数量过大（主要缺陷） - 全连接层（FC）参数量爆炸： - FC1: 25088×4096 ≈ 1.03亿参数 - 总参数量高达 1.38亿
结构统一性 - 仅用 3×3小卷积核 + 2×2最大池化 - 模块化堆叠（64→128→256→512通道）	计算资源消耗大 - 大量卷积+全连接导致： - 训练/推理速度慢 - 显存占用高（移动端难以部署）
特征表达能力强大 - 深层网络捕获多尺度特征 - 特征通用性极优（适用于迁移学习）	梯度问题 - 原始版本未用BN层（Batch Normalization） - 训练易出现梯度消失/爆炸（需配合Dropout）
广泛迁移应用 - 预训练特征成为早期CV任务标准骨干 - 如目标检测、图像风格迁移等	全连接冗余严重 - FC层参数占整体 >90% - 后发模型（如ResNet）用全局池化替代FC
简洁设计理念 - 架构规整透明，易于复现/改进 - 小卷积堆叠优于大核（更多非线性+更少参数）	训练成本高昂 - 需大数据集（ImageNet级）防止过拟合 - 对超参数敏感