这篇论文提到的模型基本结构和alexnet特别类似：
vgg: 提出的是一个网络模型，作者试验了不同参数层从11到19 （weight layers）
以16个参数层为例， 2-pooling-2-pooling-3-pooling-3-pooling-3-pooling-fc-pooling-fc-pooling-fc-sotfmax,, 数字代表卷积层的个数，每个weight layer之后都有一个ReLU.
值得关注的几点：
1.为什么小的卷积核和比大的卷积核的参数更少
比如三个3X3的卷积核的参数与一个7X7的卷积核 在输入中的reception field一样大，但是3x3的参数个数 3x(3x3xInputxOutput）,而一个7x7的参数个数（7x7xInputxOutput）...用相对小但是多的卷积层好处不仅仅是参数少了，更重要的是在每个卷积层后都会有ReLU，所以网络具有更强的非线性表达能力（decision function more discrimination）