企业官网建设流程全解析

1. 为什么我要啃这篇老论文

搞深度学习的人，绕不开卷积神经网络。而只要聊到卷积神经网络的结构设计，VGGNet就是一个无法跳过的名字。它不像后来的ResNet那样用残差连接惊艳四座，也不像GoogLeNet那样用Inception模块炫技，它最大的特点就一个字：深。但恰恰是这个“深”，在2014年那会儿，把整个图像分类任务的准确率往上推了一大截。

我最初接触VGGNet，是因为要做一个细粒度图像分类的项目。当时试了AlexNet，准确率卡在一个瓶颈上不去，换了几个数据增强策略也没太大起色。后来把骨干网络换成VGG16，同样的数据集，top-1准确率直接涨了将近8个百分点。这个提升幅度让我意识到，网络深度对特征表达能力的影响，远比我想象的要大。于是我就把VGGNet的原始论文翻出来，逐字逐句读了一遍。读完之后发现，这篇论文的价值不仅在于它提出了一个性能强悍的模型，更在于它用极其扎实的实验，回答了卷积网络设计中的一系列关键问题：卷积核到底用多大、网络到底做多深、多尺度训练和测试到底有没有用。

这篇博文就是我对这篇论文的翻译和解读。我会把论文的核心内容用中文完整呈现出来，同时在关键地方加入我自己的理解和实操经验。适合谁看？如果你正在入门深度学习，想搞清楚经典卷积网络的设计思路，这篇内容可以帮你建立扎实的基础认知。如果你已经在做图像分类相关的工程，想从经典模型中找灵感优化自己的网络结构，这篇内容也能给你一些直接的参考。全文会比较长，因为论文本身的信息密度就很高，我会尽量把每个实验细节和设计决策背后的逻辑讲透。

2. 论文核心内容翻译与解读

2.1 摘要与引言：我们到底要解决什么问题

论文的标题是《用于大规模图像识别的深度卷积网络》，作者来自牛津大学的视觉几何组，这也是VGG这个名字的由来。摘要部分开门见山地指出，他们研究了卷积网络深度对大规模图像识别准确率的影响。核心贡献是：通过使用非常小的3×3卷积核，系统性地把网络深度增加到16到19层，显著超越了当时的最优结果。

这里有一个背景需要交代。在VGGNet之前，图像分类任务的主流方案大致分两派：一派是手工设计特征加传统分类器，另一派是基于卷积网络的端到端方法。AlexNet在2012年的突破让后一派成为主流，但当时大家对于“网络到底该设计成什么样”并没有系统性的答案。VGGNet的工作，本质上是在做控制变量实验：固定其他因素，只改变深度和卷积核尺寸，看性能怎么变。这种研究思路本身就很有参考价值。

引言部分提到，卷积网络在大规模图像识别任务上的成功，主要归功于大规模公开数据集、高性能计算系统以及改进的模型架构。作者特别强调，他们的改进集中在架构设计层面，使用的是标准的卷积层堆叠，没有引入任何特殊的模块。这一点很关键，意味着VGGNet的复现门槛相对较低，不需要实现复杂的自定义算子。

注意：论文中反复出现的一个核心观点是，小卷积核的堆叠可以在保持甚至提升性能的同时减少参数量。这个结论在当时是有争议的，因为直觉上大家会觉得大卷积核能捕捉更大的空间上下文。VGGNet用实验证明了，两个3×3卷积层的堆叠，其有效感受野等同于一个5×5卷积层，但参数量更少，非线性更强。

2.2 网络结构设计：为什么全是3×3卷积

论文的第二节详细描述了网络配置。所有卷积层都使用3×3的卷积核，步长为1，padding为1。池化层统一使用2×2的最大池化，步长为2。整个网络由五个卷积阶段和三个全连接层组成。

为什么执着于3×3？论文给出了两个理由。第一，两个3×3卷积层的堆叠，其感受野相当于一个5×5卷积层。三个3×3卷积层的堆叠，感受野相当于一个7×7卷积层。第二，参数量更少。假设输入输出通道数都是C，一个5×5卷积层的参数量是25C²，而两个3×3卷积层的参数量是2×9C²=18C²，减少了28%。一个7×7卷积层的参数量是49C²，三个3×3卷积层的参数量是27C²，减少了45%。

除了参数量，还有一个更重要的因素：非线性。每个卷积层后面都跟着ReLU激活函数，两个3×3卷积层意味着两次非线性变换，而一个5×5卷积层只有一次。更多的非线性变换让网络能够学习更复杂的特征表示。这一点在我自己的实验中也有体会，把一个大卷积核拆成两个小卷积核，模型收敛后的精度通常会有小幅提升，尤其是在数据量不够大的时候。

论文中给出了六种不同的网络配置，从A到E，深度从11层到19层。其中D和E就是后来大家熟知的VGG16和VGG19。所有配置的卷积层通道数遵循一个规律：从64开始，每个阶段翻倍，直到512。这个设计逻辑是，随着空间尺寸的减小，通道数增加，以保持每层的信息容量大致相当。

从表中可以看出，虽然深度增加了，但参数量的增长并不剧烈。这是因为大部分参数集中在全连接层，而卷积层的参数量相对可控。VGG16的全连接层参数量大约是123M，占了总参数的90%左右。这也是VGGNet后来被诟病的一个点：全连接层太重，导致模型体积大、推理速度慢。

2.3 训练细节：那些论文里没明说但很重要的坑

论文的第三节讲了训练过程。使用带动量的随机梯度下降，动量设为0.9，batch size为256，权重衰减为5×10⁻⁴，dropout率设为0.5。学习率初始为10⁻²，当验证集准确率不再提升时，学习率除以10。整个训练过程迭代了74个epoch。

这些超参数看起来平平无奇，但实际操作中有几个细节值得注意。第一，权重初始化。论文提到使用了一种改进的初始化方法，从均值为0、方差为0.01的正态分布中采样。后来大家发现，对于深层网络，更好的做法是使用He初始化或Xavier初始化。我在复现时试过直接用PyTorch默认的初始化，训练初期loss下降明显更慢，换成He初始化后收敛速度有肉眼可见的提升。

第二，数据增强。论文使用了随机裁剪、水平翻转和RGB颜色偏移。随机裁剪是从缩放后的图像中随机裁出224×224的区域。这里有一个容易忽略的点：测试时的裁剪策略。论文在测试时使用了全卷积的方式，把全连接层转换成卷积层，然后在整个未裁剪的图像上应用网络，最后对输出进行平均。这种做法比多次裁剪再平均更高效，因为只需要一次前向传播。

第三，多尺度训练。论文在训练时使用了多尺度策略，每次随机从[256, 512]中采样一个尺度，然后把图像缩放到该尺度，再随机裁剪224×224。这种策略相当于一种数据增强，让模型对不同尺度的物体都有鲁棒性。我在自己的项目中试过固定尺度训练和多尺度训练，后者在测试集上的准确率通常能高出1到2个百分点，代价是训练时间稍微长一点。

提示：如果你打算复现VGGNet，建议先用小规模数据集跑通流程，比如CIFAR-10。直接上ImageNet级别的数据，训练时间会非常长，而且容易因为超参数没调好而浪费大量计算资源。

2.4 测试阶段：全卷积化与多尺度融合

论文的第四节专门讨论了测试阶段的策略。核心思想是，把训练好的网络在测试时进行全卷积化。具体做法是，把最后三个全连接层转换成卷积层。第一个全连接层转换成7×7的卷积层，后两个转换成1×1的卷积层。这样网络就可以接受任意尺寸的输入，输出一个分类得分图，最后对得分图进行平均得到最终分类结果。

这种做法的好处是，不需要对图像进行多次裁剪再分别前向传播，一次传播就能覆盖整个图像。而且由于卷积操作的特性，网络可以在不同位置共享计算，效率更高。论文还提到，多尺度测试可以进一步提升性能。具体做法是，把测试图像缩放到多个尺度，分别送入网络，然后把所有尺度的得分平均起来。

我在实际测试中发现，多尺度融合对细粒度分类任务的提升尤其明显。比如区分不同品种的狗，有些品种的区分特征在局部细节上，有些在整体轮廓上。单一尺度可能只捕捉到其中一类特征，多尺度融合能让模型同时关注到不同层次的信息。不过多尺度测试的代价是推理时间成倍增加，需要根据实际场景权衡。

3. 论文实验结果的深度拆解

3.1 单尺度评估：深度带来的收益到底有多大

论文的第五节给出了详细的实验结果。先看单尺度评估的结果。配置A（11层）的top-1错误率是29.6%，配置B（13层）降到28.7%，配置C（16层，带1×1卷积）是28.1%，配置D（16层，全3×3）是27.0%，配置E（19层）是26.7%。

从这组数据可以看出几个趋势。第一，深度增加确实带来性能提升，但提升幅度在递减。从11层到13层，错误率降了0.9个百分点；从13层到16层，降了1.7个百分点；从16层到19层，只降了0.3个百分点。这说明网络深度存在一个收益递减的临界点，一味加深并不划算。

第二，配置C和配置D的对比很有意思。两者都是16层，但配置C在中间层使用了1×1卷积，配置D全部使用3×3卷积。配置D的错误率比配置C低了1.1个百分点。这说明1×1卷积虽然能增加非线性，但不如3×3卷积有效。1×1卷积的感受野只有1个像素，无法捕捉空间上下文信息，只能做通道间的信息整合。在需要空间特征的任务中，3×3卷积是更优的选择。

第三，配置E比配置D深了3层，但提升只有0.3个百分点。这3层都是3×3卷积，通道数都是512。从特征表达的角度看，19层可能已经接近这个架构的容量上限。继续加深，如果没有残差连接之类的机制，梯度消失和退化问题会越来越严重。

3.2 多尺度评估：尺度融合的收益与代价

多尺度评估的结果更有意思。配置D在多尺度测试下的top-1错误率降到24.8%，配置E降到24.4%。相比单尺度，错误率下降了2到3个百分点。这个提升幅度相当可观，说明多尺度融合确实能捕捉到单尺度遗漏的信息。

论文还对比了不同尺度组合的效果。使用两个尺度（256和384）的效果比单一尺度好，使用三个尺度（256、384、512）的效果又比两个尺度好，但提升幅度在减小。这符合信息论的基本规律：新增的尺度带来的边际信息量在递减。

我在自己的实验中做过一个对比测试。对于一个包含200个类别的商品图像分类任务，单尺度测试的top-1准确率是82.3%，双尺度融合后提升到84.7%，三尺度融合后是85.1%。从双尺度到三尺度只提升了0.4个百分点，但推理时间增加了50%。所以在实际部署时，双尺度融合往往是性价比最高的选择。

注意：多尺度测试需要把图像缩放到不同尺寸，这会导致网络中间层的特征图尺寸发生变化。如果网络中有全连接层，需要先进行全卷积化才能处理不同尺寸的输入。如果网络是全卷积结构，则可以直接处理。

3.3 与当时最优方法的对比：VGGNet到底强在哪

论文的第六节把VGGNet与当时的最优方法进行了对比。在ImageNet ILSVRC-2014竞赛中，VGGNet取得了分类任务第二名的成绩，定位任务第一名的成绩。分类任务的第一名是GoogLeNet，但GoogLeNet的参数量只有VGGNet的十二分之一。

这个对比引出了一个关键问题：VGGNet的参数量这么大，为什么还能取得这么好的效果？论文的解释是，深度和感受野的平衡。GoogLeNet通过Inception模块增加了网络的宽度，但每个分支的感受野有限。VGGNet通过堆叠3×3卷积，在增加深度的同时保持了感受野的线性增长。对于需要大感受野的任务，比如识别占据图像大部分区域的大型物体，VGGNet的结构更有优势。

另一个值得注意的点是，VGGNet在定位任务上的表现优于分类任务。这说明VGGNet学到的特征具有很强的空间信息保持能力。全卷积化后的VGGNet可以输出精细的得分图，这对定位任务非常有利。我在做目标检测的特征提取时，也发现VGGNet的中间层特征图空间分辨率保持得比较好，适合作为检测头的输入。

4. 复现VGGNet的实操指南

4.1 环境准备与依赖安装

复现VGGNet需要准备以下环境。硬件方面，建议至少有一块显存8GB以上的GPU。VGG16在batch size为16时，显存占用大约6GB。如果显存不够，可以减小batch size或者使用梯度累积。软件方面，Python 3.8以上，PyTorch 1.10以上或者TensorFlow 2.5以上都可以。我个人的习惯是用PyTorch，因为调试起来比较灵活。

安装依赖的命令如下：

pip install torch torchvision numpy matplotlib tensorboard

如果要用TensorBoard监控训练过程，还需要安装tensorboard。数据准备方面，如果只是做实验，可以用CIFAR-10或者CIFAR-100，下载和预处理都比较方便。如果要复现论文的ImageNet结果，需要准备ImageNet数据集，这个数据集的获取和预处理会麻烦一些，需要提前做好心理准备。

提示：CIFAR-10的图像尺寸是32×32，直接送入VGGNet会显得网络过于庞大。建议在CIFAR-10上使用时，适当减少全连接层的维度，或者把卷积层的通道数按比例缩小。我在CIFAR-10上用的是一个缩小版的VGG，卷积层通道数减半，全连接层从4096降到512，训练速度快了很多，准确率也能到93%左右。

4.2 网络定义的关键代码解析

用PyTorch定义VGG16的核心代码如下：

import torch import torch.nn as nn class VGG16(nn.Module): def __init__(self, num_classes=1000): super(VGG16, self).__init__() self.features = nn.Sequential( nn.Conv2d(3, 64, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(64, 64, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(64, 128, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(128, 128, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(128, 256, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(256, 256, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(256, 256, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(256, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=2, stride=2), ) self.classifier = nn.Sequential( nn.Linear(512 * 7 * 7, 4096), nn.ReLU(inplace=True), nn.Dropout(0.5), nn.Linear(4096, 4096), nn.ReLU(inplace=True), nn.Dropout(0.5), nn.Linear(4096, num_classes), ) def forward(self, x): x = self.features(x) x = torch.flatten(x, 1) x = self.classifier(x) return x

这段代码有几个关键点需要注意。第一，padding=1保证了卷积操作不改变特征图的空间尺寸。第二，每个卷积层后面都跟着ReLU，且inplace=True可以节省显存。第三，全连接层的输入维度是512×7×7，这是针对224×224输入尺寸计算出来的。如果输入尺寸变了，这个维度需要相应调整。

4.3 训练流程与超参数设置

训练VGGNet的完整流程包括数据加载、模型初始化、损失函数定义、优化器配置和训练循环。数据加载部分，我通常使用torchvision的ImageFolder和DataLoader。数据增强包括RandomResizedCrop、RandomHorizontalFlip和ColorJitter。

from torchvision import transforms, datasets from torch.utils.data import DataLoader train_transform = transforms.Compose([ transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness=0.1, contrast=0.1, saturation=0.1), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) train_dataset = datasets.ImageFolder('path/to/train', transform=train_transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=4)

优化器用SGD，动量0.9，权重衰减5e-4。学习率初始设为0.01，每30个epoch除以10。损失函数用CrossEntropyLoss。训练循环中，每个epoch结束后在验证集上评估，保存验证集准确率最高的模型。

import torch.optim as optim model = VGG16(num_classes=1000).cuda() criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9, weight_decay=5e-4) scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1) for epoch in range(100): model.train() for images, labels in train_loader: images, labels = images.cuda(), labels.cuda() optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() scheduler.step() # 验证集评估代码省略

注意：VGGNet的全连接层参数量很大，训练时容易过拟合。除了dropout，还可以考虑使用数据增强、早停和权重衰减来缓解。我在一个小数据集上训练时，不加dropout的话，训练集准确率能到99%，但验证集只有70%左右，加了dropout之后验证集能到85%以上。

4.4 模型保存与推理部署

训练完成后，保存模型的状态字典。推理时，加载模型，切换到eval模式，对输入图像做同样的预处理，然后前向传播得到分类结果。

torch.save(model.state_dict(), 'vgg16.pth') # 推理 model.load_state_dict(torch.load('vgg16.pth')) model.eval() with torch.no_grad(): outputs = model(images) _, predicted = torch.max(outputs, 1)

如果要做多尺度推理，需要把图像缩放到多个尺寸，分别前向传播，然后对softmax后的概率取平均。这里有一个细节：不同尺度的输出概率需要先做softmax再平均，直接平均logits效果会差一些。

5. 常见问题与排查技巧实录

5.1 训练不收敛或loss震荡怎么办

这是复现VGGNet时最常见的问题。可能的原因有以下几个。第一，学习率太大。VGGNet的参数量大，对学习率比较敏感。如果初始学习率设为0.1，训练初期loss可能会震荡甚至发散。建议从0.01开始，如果loss下降太慢再适当增大。第二，权重初始化不合适。如果使用默认的随机初始化，深层网络的梯度可能会消失。建议使用He初始化，具体做法是在每个卷积层后手动初始化权重。

def init_weights(m): if isinstance(m, nn.Conv2d): nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu') if m.bias is not None: nn.init.constant_(m.bias, 0) elif isinstance(m, nn.Linear): nn.init.normal_(m.weight, 0, 0.01) nn.init.constant_(m.bias, 0) model.apply(init_weights)

第三，batch size太小。batch size太小会导致梯度估计噪声大，loss震荡。如果显存不够，可以用梯度累积来模拟大batch size。具体做法是，每计算几个小batch的梯度后再更新一次参数。

5.2 显存不足的优化策略

VGGNet的显存占用主要来自三个方面：模型参数、中间层特征图和梯度。优化策略包括：减小batch size、使用混合精度训练、使用梯度检查点、冻结部分层。混合精度训练可以把显存占用降低大约40%，同时还能加速训练。在PyTorch中，使用torch.cuda.amp可以很方便地开启混合精度。

from torch.cuda.amp import autocast, GradScaler scaler = GradScaler() for images, labels in train_loader: optimizer.zero_grad() with autocast(): outputs = model(images) loss = criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()

梯度检查点是一种用计算换显存的技术。它在前向传播时不保存中间激活值，在反向传播时重新计算。这样可以把显存占用降低到原来的平方根级别，代价是训练速度慢一些。对于VGGNet这种层数较多的网络，梯度检查点的效果比较明显。

5.3 过拟合的识别与应对

过拟合的典型表现是训练集准确率持续上升，但验证集准确率在某个点后开始下降。应对过拟合的手段包括：增加数据增强的强度、增大dropout率、增加权重衰减、使用早停。我在实践中发现，对于VGGNet，dropout率设为0.5是比较合适的。如果数据集比较小，可以适当增大到0.6或0.7。另外，在卷积层后面加BatchNorm也能起到一定的正则化效果，但论文原版没有用BatchNorm，加不加取决于具体任务。

5.4 迁移学习中的注意事项

用预训练的VGGNet做迁移学习时，有几个坑需要注意。第一，输入图像的预处理必须和预训练时一致。VGGNet用的是ImageNet的均值和标准差，如果用自己的数据统计量，性能会下降。第二，冻结卷积层只训练全连接层时，学习率可以设大一点，比如0.01。如果解冻部分卷积层，学习率要设小一点，比如0.001，否则容易破坏预训练学到的特征。第三，VGGNet的全连接层参数量大，如果目标数据集很小，建议把全连接层替换成全局平均池化加一个线性层，这样参数量会大幅减少，过拟合风险也低很多。

我在一个只有5000张图像的数据集上做过对比实验。直接用VGG16的全连接层微调，验证集准确率是78%。把全连接层换成全局平均池化后，准确率提升到83%，而且训练时间缩短了将近一半。这个改进在数据量不足时尤其有效。

6. VGGNet的局限性与后续演进

6.1 参数量与计算效率的瓶颈

VGGNet最大的问题就是参数量太大。VGG16有1.38亿个参数，其中绝大部分集中在全连接层。这导致模型文件超过500MB，推理时需要大量的内存和计算资源。在移动端或嵌入式设备上部署VGGNet几乎是不可能的。后来的网络设计，比如ResNet和MobileNet，都在参数量和计算效率上做了大幅优化。

另一个问题是训练时间长。VGGNet在ImageNet上训练需要74个epoch，用4块GPU训练了将近三周。这个训练成本对于大多数研究者和开发者来说都是难以承受的。虽然后来有各种加速技巧，但VGGNet本身的架构决定了它的训练效率不会太高。

6.2 后续网络如何改进VGGNet的不足

ResNet通过引入残差连接，解决了深层网络的退化问题，使得网络可以做到上百层甚至上千层。同时，ResNet用全局平均池化替代了全连接层，参数量大幅减少。ResNet-50的参数量只有25M，是VGG16的五分之一左右，但性能更好。

GoogLeNet通过Inception模块增加了网络的宽度，同时用1×1卷积做降维，参数量只有VGGNet的十二分之一。MobileNet通过深度可分离卷积，把标准卷积分解成深度卷积和逐点卷积，计算量降低了8到9倍，适合移动端部署。

DenseNet通过密集连接，让每一层都接收前面所有层的输入，特征复用率更高，参数量也更少。EfficientNet通过神经架构搜索，找到了深度、宽度和分辨率之间的最优平衡，在同等计算量下性能最优。

这些后续工作都在不同维度上改进了VGGNet的不足，但VGGNet的设计思想——小卷积核堆叠、深度增加、多尺度训练——仍然被广泛借鉴。理解VGGNet是理解后续网络演进的基础。

6.3 在当下是否还值得学习和使用

我的看法是，学习价值远大于使用价值。作为深度学习入门者，VGGNet的结构清晰、代码简单，非常适合用来理解卷积网络的基本组件和设计原则。通过复现VGGNet，你可以掌握卷积层、池化层、全连接层、dropout、数据增强等核心概念。

但在实际项目中，除非有特殊需求，否则不建议直接用VGGNet。如果要做迁移学习，ResNet或EfficientNet是更好的选择。如果要在移动端部署，MobileNet或ShuffleNet更合适。如果要做细粒度分类，可以借鉴VGGNet的多尺度训练策略，但骨干网络建议换成更现代的架构。

不过有一种情况VGGNet仍然有用：当你需要提取具有强空间信息的特征时。VGGNet的全卷积化版本在语义分割和目标检测中曾经是主流的特征提取器。它的中间层特征图空间分辨率保持得比较好，对小物体的检测比较友好。即使现在，一些轻量级的检测模型仍然会借鉴VGGNet的部分设计。

我个人在实际操作中的体会是，VGGNet就像深度学习领域的“经典力学”，虽然在实际工程中已经被更高效的方案替代，但它的基本原理和设计思路仍然是理解更复杂系统的基石。花时间把VGGNet吃透，后面看ResNet、DenseNet、Transformer都会轻松很多。最后再分享一个小技巧：如果你在复现VGGNet时发现训练太慢，可以先用一个缩小版的VGG在小数据集上跑通全流程，确认代码没问题后再上大规模数据和完整模型。这样可以避免因为代码bug浪费大量计算资源。