理工酷

除了三个模型的深度以外，最大的不同在于最小的building block是如何构建的。 这里的构建块（building block）是指在整个网络中重复的最小单元。

AlexNet：

没有固定的模式，每层的卷积是通过实验确定的。 AlexNet是最著名的卷积神经网络（CNN），许多人使用了类似的网络。 这些网络通常包括重复的几个卷积层，每个卷积层之后是最大池。然后是几层致密层。 但是没有关于要使用的滤波器大小，最大池化之前有多少卷积等标准。

VGGNet：

在此网络中，可以将构建块（building block）标识为两个卷积层，然后是池化层，即每2次卷积后应放置最大池，在每次最大池化后应将过滤器的数量加倍。此块重复多次。另外，在VGGNet中，所有使用的过滤器大小仅为3 X 3。

GoogLeNet：

初始模块是网络的基本构建块（building block），初始模块进行多次卷积，具有不同的过滤器大小，并且合并在一层中。 网络没有让我们决定何时使用哪种类型的层以获得最佳结果，而是由网络在训练后自动解决，它还使用1x1特征卷积，其功能类似于特征选择器。

参考https://www.quora.com/What-are-the-differences-among-AlexNet-GoogleNet-and-VGG-in-the-context-of-convolutional-neural-networks