【深度学习】Inception层详解

本文参考Torch的dpnn包中Inception层的源码，讲解该模块参数含义以及网络结构。

核心思想

Inception模块的起点是类似下图的结构：通道从M变换到N，把多个不同尺寸的卷积结果串接（concat）起来。

由于M,N往往很大，这种结构的模型大小和运算量都不小。

卷积运算，输入M层，输出N层，核尺寸k。输入数据大小H*W。
卷积参数数量：weight + bias = M*N*k*k+N
卷积运算量：H*W*N*M^2*K^4

Inception将后续三路中插入一个1*1卷积，让每一路构成能够节省参数的“瓶颈结构”。