Inception网络架构：Pych深度学习入门与实战.pdfVIP

Pytorch

深度学习与实战

讲师：日月光华

现代网络结构

Inception

讲师：日月光华讲师

Inception

在我们看到的大多数计算机视觉模型使用的深度学习算法中，

要么用了滤波器尺寸为1×1、3×3、5×5、7×7的卷积层，

要么用了平面池化层。Inception模块把不同滤波器尺寸的卷

积组合在一起，并联合了所有的输出。

Inception

Inception

此结构主要有以下改进：

1.一层block就包含1x1卷积，3x3卷积，5x5卷积，3x3池化。

网络中每一层都能学习到“稀疏”（3x3、5x5）或“不稀疏”（1x1）

的特征，既增加了网络的宽度，也增加了网络对尺度的适应性；

2.通过concat在每个block后合成特征，获得非线性属性。

Inception

为了降低算力成本，作者在3x3和5x5卷积层之前添加额外的1x1

卷积层，来限制输入信道的数量。

尽管添加额外的卷积操作似乎是反的，但是1x1卷积比5x5卷

积要廉价很多，而且输入信道数量减少也有利于降低算力成本。

不过一定要注意，1x1卷积是在最大池化层，而不是之前

Inception

Inception结构特点

（1）采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不