深度学习之含并?连结的?络（GOOGLENET）

论文连接：Going deeper with convolutions
之所以名为“GoogLeNet”而非“GoogleNet”,文章说是为了向早期的LeNet致敬。在2014年的ImageNet图像识别挑战赛中，?个名叫GoogLeNet的?络结构?放异彩 。它虽然在名字上向LeNet致敬，但在?络结构上已经很难看到LeNet的影?。GoogLeNet吸收了NiN中?络串联?络的思想，并在此基础上做了很?改进。在随后的?年?，研究?员对GoogLeNet进?了数次改进。

GoogleLeNet整体结构：

GoogLeNet中的基础卷积块叫作Inception块，得名于同名电影《盗梦空间》（Inception）。与上?节介绍的NiN块相?，这个基础块在结构上更加复杂，如下图所示：

GoogLeNet跟VGG?样，在主体卷积部分中使?5个模块（block），每个模块之间使?步幅为2的最?池化层来减?输出?宽。第?模块使??个64通道的 卷积层。

• Inception块相当于?个有4条线路的??络。它通过不同窗?形状的卷积层和最?池化层来并?抽取信息，并使? 卷积层减少通道数从?降低模型复杂度。
• GoogLeNet将多个设计精细的Inception块和其他层串联起来。其中Inception块的通道数分配之?是在ImageNet数据集上通过?量的实验得来的。
• GoogLeNet和它的后继者们?度是ImageNet上最?效的模型之?：在类似的测试精度下，它们的计算复杂度往往更低。

参考链接：https://zh.d2l.ai/chapter_convolutional-neural-networks/vgg.html
参考博客：https://blog.csdn.net/shuzfan/article/details/50738394