《GoogleNet-Going deeper with convolutions》论文笔记

1. 论文思想 在深度学习任务中为了获得最终结果的高精度，增加网络的层数和宽度是直接有效的办法。但是增加这些改变会造成如下的后果： （2）参数会使得网络的参数量级急剧攀升，计算的复杂度也会急剧变大； （2）同时会存在梯度消失或是爆炸，模型难以训练的问题； （3）而且如此巨大的参数量在训练集欠缺的情况下会使得网络过拟合情况严重等情况。 解决上述两个缺点（1）与（3）的根本方法是将全连接甚至一般的卷积

>>阅读原文<<