前面的5组pooling层：
feature map 的** width 和 height** 随着每个pool操作缩小50%，5个pool 操作使得 width 和 height 逐渐变化：224->112->56->28->14->7，
但是深度depth（或说是channel数），随着5组卷积在每次增大一倍：3->64->128->256->512->512。
特征信息从一开始输入的224x224x3被变换到7x7x512（大概25000），从原本较为local的信息逐渐分摊到不同channel上，随着每次的conv和pool操作打散到channel层级上。
三组全连接层：
结构：前两组fc的形式是：fc4096-relu-dropout0.5，最后一个fc的形式就是：fc1000。
①可以发现feature map的维度在最后一个卷积后达到7x7x512（大概25000），紧接着压缩到4096维，
②过渡：可能是作者认为这个过程太急，又接一个fc4096作为缓冲，
同时两个fc4096后的relu又接dropout0.5 去过渡这个过程，
③因为最后即将给1k-way softmax，所以又接了一个fc1000去降低softmax的学习压力。