a rede VGG16 foi originalmente treinada no famoso conjunto de imagens chamado MNIST que contém 60.000 dígitos de 0 a 9 escritos a mão.

quando usadas como classificadores de imagens são suscetíveis de serem enganadas ajustando os valores dos pixels em pequenas quantidades que são imperceptíveis para um observador humano.

os filtros são operações que permitem que as convoluções sejam invariantes translacionalmente ou invariantes ao deslocamento.

o processo de cercar as imagens com anéis de zeros para que o filtro possa ser deslizado sobre cada elemento de entrada é chamado de pooling.

podemos reduzir as dimensões de um tensor usando downsampling através de pooling, mas é impossível aumentar as dimensões de um tensor.