Xception模型

详细内容请参考：【神经网络】(15) Xception 代码复现，网络解析，附Tensorflow完整代码_xception代码-CSDN博客

Xception的原始论文《Xception: Deep Learning with Depthwise Separable Convolutions》 

Xception是一种深度卷积神经网络架构，由Google提出，是Inception V3的一种改进版本。该模型的主要创新点在于采用深度可分离卷积（Depthwise Separable Convolution）来替换原来Inception V3中的多尺寸卷积核特征响应操作。

一、设计理念

Xception的设计理念基于Inception模块，但进行了进一步的优化和简化。Inception模块通过多尺寸卷积核来观察输入数据，以提高对不同尺度特征的适应能力。然而，这种方法虽然提高了模型的精度，但也增加了计算复杂度和参数量。为了解决这个问题，Xception采用了深度可分离卷积，将跨通道相关性和空间相关性的处理分离，从而减少了参数量和计算量。

二、网络结构

Xception网络结构包含36个卷积层，这些卷积层被组织成14个模块，每个模块内部都采用了深度可分离卷积。这些模块被进一步划分为三个流程（Entry flow、Middle flow、Exit flow），其中Entry flow包含4个模块，Middle flow包含8个模块&