前面的5組pooling層：
feature map 的** width 和 height** 隨著每個pool操作縮小50%，5個pool 操作使得 width 和 height 逐漸變化：224->112->56->28->14->7，
但是深度depth（或說是channel數），隨著5組卷積在每次增大一倍：3->64->128->256->512->512。
特徵資訊從一開始輸入的224x224x3被變換到7x7x512（大概25000），從原本較為local的資訊逐漸分攤到不同channel上，隨著每次的conv和pool操作打散到channel層級上。

三組全連線層：
結構：前兩組fc的形式是：fc4096-relu-dropout0.5，最後一個fc的形式就是：fc1000。
①可以發現feature map的維度在最後一個卷積後達到7x7x512（大概25000），緊接著壓縮到4096維，
②過渡：可能是作者認為這個過程太急，又接一個fc4096作為緩衝，
同時兩個fc4096後的relu又接dropout0.5 去過渡這個過程，
③因為最後即將給1k-way softmax，所以又接了一個fc1000去降低softmax的學習壓力。