Backbone 之 Inception：纵横交错 （Pytorch实现及代码解析

• Inception的参数量较少，适合处理大规模数据，尤其是对于计算资源有限的平台

为进一步降低参数量，Inception又增加了较多的1x1卷积块进行降维，改进为Inception v1版本，Inception v1共9个上述堆叠的模块，共有22层，在最后的Inception 模块中还是用了全局平均池化。同时为避免造成网络训练时带来的梯度消失的现象，在这里引入两个辅助的分类器，在第三个和第六个的Inception模块输出后执行Softmax并计算损失，在训练时和最后的损失一并回传。

---

Inception v1基础结构图：

Inception v1代码：

import torch

from torch import nn

import torch.nn.functional as F

###定义一个包含卷积和ReLU池化的基础卷积块

class BasicConv2d(nn.Module):

def init(self, in_channels, out_channels, kernel_size, padding=0):

super(BasicConv2d, self).init()

self.conv = nn.Conv2d(in_channels, out_channels, kernel_size, padding=paddin