tensorflow搭建GoogLeNet卷积神经网络

目录

一、浅谈GoogLeNet

1.1 GoogLeNet 简介

1.2 GoogLeNet 的创新点

1.3 GoogLeNet 网络结构

(1) Inception模块

(2) 1x1卷积核降维

(3) 辅助分类器

(4) GoogLeNet整体结构

1.4 GoogLeNet 的性能

二、TensorFlow2.0搭建GoogLeNet实战

2.1 数据集准备

(1) 数据集简介

(2) 加载数据集

2.2 网络搭建

(1) Inception模块

(2) 辅助分类器InceptionAux

(3) GooLeNet整体结构

2.3 模型的装配与训练

2.4 训练集/验证集上测试结果

2.5 加载模型，对单张图片预测

---

一、浅谈GoogLeNet

1.1 GoogLeNet 简介

  GoogLeNet卷积神经网络出自于《Going deeper with convolutions》这篇论文，是由谷歌公司Christian Szegedy、Yangqing Jia等人联合发表。其研究成果在2014年 ILSVRC 挑战赛 ImageNet 分类任务上获得冠军，而当时的亚军就是上一篇文中讲到的VGG系列。
  很有意思的是，GoogLeNet名字是由Google的前缀Goog与LeNet的组合而来，这其实是对Yann LeCuns开拓性的LeNet-5网络的致敬。
  GoogLeNet卷积神经网络的最大贡献在于，提出了非常经典的Inception模块。该网络结构的最大特点是网络内部计算资源的利用率很高。因此该设计允许在保持计算资源预算不变的情况下增加网络的深度和宽度，使得GoogLeNet网络层数达到了更深的22层，但是网络参数仅为AlexNet的1/12。

1.2 GoogLeNet 的创新点

1. 引入了非常经典的Inception模块。
2. 采用了模块化设计的思想。通过大量堆叠Inception模块，形成了更深更复杂的网络结构。
3. 采用了大量的1×1卷积核。主要是用作