十分钟一块儿学会Inception网络

时间 2019-11-13

标签十分 10分一块儿学会 inception 网络栏目系统网络繁體版

原文原文链接

1、Inception网络简介网络

2、Inception网络模块框架

3、Inception网络下降参数计算量性能

4、Inception网络减缓梯度消失现象学习

5、Inception网络框架blog

6、Inception论文彩蛋rem

1、Inception网络简介深度学习

Inception网络又叫作GoogLeNet,之因此不叫GoogleNet，是为了向LeNet致敬,是2014年ChristianSzegedy在《Going deeper with convolutions》提出的一种全新的深度学习结构。it

通常来讲，提高网络性能最保险的方法就是增长网络的宽度和深度，这样作同时也会伴随着反作用。首先越深越宽的网络每每会意味着有巨大的参数量，当数据量不多的时候，训练出来的网络很容易过拟合，而且当网络有很深的深度的时候，很容易形成梯度消失现象这两个反作用制约着又深又宽的卷积神经网络的发展，Inception网络很好的解决了这两个问题。io

2、Inception网络模块神经网络

下图是Inception中的一个模块，Inception由多个这样的模块组合而成的。

Inception网络结构中其中一个模块是这样的：在同一层中，分别含有1*一、3*三、5*5卷积和池化层，在使用滤波器进行卷积操做与池化层进行池化操做时都会使用padding以保证输出都是同尺寸大小，通过这些操做后输出的结果也就是特征图Featuremap再所有整合在一块儿。该模块的特性就是在同一层中，分别经过使用上述不一样尺寸的滤波器与进行池化操做收集到了上一层输入的不一样特征。这样就增长了网络的宽度，用这些不一样尺寸的滤波器和池化操做去提取上一层的不一样特征。