VGGnet是由牛津大学和DeepMind研发的深度学习网络。它是由Alexnet发展而来的，其结构如下图所示：
其中，
VGG16包含了16个隐藏层（13个卷积层+3个全连接层），如图中的D列所示；
VGG19包含了19个隐藏层（16个卷积层+3个全连接层），如图中的E列所示。
VGGnet相比于Alex-net而言，具有更小的卷积核，都是3x3的，而Alex-net卷积核较大（11x11，7x7，5x5）。并且相比于AlexNet的3x3的池化核，VGG全部为2x2的池化核。
但是VGG耗费更多计算资源，并且使用了更多的参数。
