Почему архитектура VGG сегодня не используется?

Что проверяют

Понимаете ли вы, почему архитектуры вытесняют друг друга, и умеете ли назвать инженерные причины вместо «появились новые сети». Заодно смотрят, знаете ли вы, где VGG до сих пор работает: полное отрицание тут такая же ошибка, как защита устаревшего.

Как отвечать

VGG в своё время показала главное: глубина из стопки свёрток 3x3 бьёт большие ядра. Претензии к ней сегодня конкретные:

• параметры. У VGG16 около ста тридцати восьми миллионов весов, и львиная доля приходится на первый полносвязный слой после выпрямления карты признаков. Современные сети закрывают это место глобальным усреднением по пространству и экономят почти всё;
• вычисления и память. На одно изображение уходит в несколько раз больше операций, чем у ResNet сопоставимой точности, а активации занимают столько, что батч приходится уменьшать;
• обучаемость. Нет остаточных связей и нормализации по батчу, поэтому глубокие варианты приходилось инициализировать весами более мелких, иначе обучение не сходилось. Наращивать глубину дальше эта схема просто не позволяла;
• качество на единицу стоимости. ResNet, затем EfficientNet, ConvNeXt и визуальные трансформеры дают выше точность при меньших затратах.

Где VGG осталась: перцептивные функции потерь в генерации и переносе стиля, где важна не точность классификации, а привычные признаки промежуточных слоёв, плюс учебные задачи и старые бенчмарки.

Где спотыкаются

Отвечают «она старая». Возраст не аргумент, интервьюер ждёт механизм: отсутствие остаточных связей, дорогие полносвязные слои, невозможность расти в глубину.

Называют главной бедой переобучение. На больших наборах VGG обучается нормально, реальная причина отказа это стоимость: память, задержка на инференсе и цена обучения.

Заявляют, что VGG не применяется нигде. Как экстрактор признаков для перцептивных потерь она используется до сих пор, и уверенное «нигде» легко ловится одним уточняющим вопросом.