深度学习——GoogleLeNet网络

ImageNet-2014竞赛第一

含有四个版本：Inception V1 -> Inception V2 -> Inception V3 -> Inception V4

特点：减少参数，降低参数；增加宽度，深度；

GoogleLeNet V1网络较VGG来说负责，VGG相对简单； 

Inception V1网络

他的核心组件是Inception Architecture

Split-Merge ——> 有1X1卷积，3x3卷积，5X5卷积和3X3池化；

增加网络对多尺度的适应性；

增加网络宽度；

Bottleneck Layer——>使用NIN的1X1卷积进行特征降维，大幅降低计算量10X

取消了全连接：全连接层参数量大，为了减负取消，全连接主要用于推断用；从V1开始之后都取消了全连接层；

辅助分类器：解决前几层的梯度消失问题；

最后一层为全尺寸的卷积层；

4种操作并行进行，各自提取对应特征；其中预先进行1X1的卷积是为了特征降维，减少近10倍的计算量（NiN理念），进而保证网络能够更深；

取消全连接层的优势描述如下，节省了大量的计算量；