正确答案是：B: 网络层数越多，学习率可设置偏大，否则容易引起梯度消失。

分析：

A: 网中网（NIN）结构通过使用全连接的多层感知机来代替传统的卷积层，这种方法可以提升模型的表达能力，但通常会导致计算量增加。这个说法是正确的。

B: 网络层数越多，学习率通常需要设置得更小，而不是更大。原因是深层网络容易出现梯度消失或梯度爆炸的问题，较大的学习率会加剧这些问题。因此，这个说法是错误的。

C: VGG网络使用较小的卷积核（如3x3），这在一定程度上起到了隐式规则化的作用，帮助网络更快地收敛。这个说法是正确的。

D: Bagging（Bootstrap Aggregating）方法中，各个子模型的训练集是通过自助采样法生成的，彼此独立，因此可以并行计算。而Boosting方法中，每个模型的训练集是基于前一个模型的结果进行调整的，因此不能并行计算。这个说法是正确的。

因此，B选项是错误的。