PyToch 深度学习 || 3. 卷积神经网络 | Ch3.4 卷积神经网络 GoogLeNet

卷积神经网络 GoogLeNet

VGG在2014年由牛津大学著名研究组vGG (Visual Geometry Group)提出，斩获该年lmageNet竞赛中Localization Task (定位任务)第一名和 Classification Task (分类任务)第二名。Classification Task (分类任务)的第一名则是GoogleNet 。GoogleNet是Google研发的深度网络结构，之所以叫“GoogLeNet”，是为了向“LeNet”致敬。

GoogLenet网络亮点
1.引入了Inception结构（融合不同尺度的特征信息)
2.使用1x1的卷积核进行降维以及映射处理
3.添加两个辅助分类器帮助训练
4.丢弃全连接层，使用平均池化层(大大减少模型参数)

GoogLeNet也叫InceptionNet，是在2014年被提出来的，如今已经进化到了v4版本。采用了比VGGNet更深的结构，一共有22层，但参数量缺少了很多。

GoogleNet家族：
(1) V1版本提出了inception的理念，大胆使用了 1 x 1 的卷积核来压缩通道数；
(2) V2版本借鉴了VGG的理念(定制Inception时，在其内部采用标准化卷积核)；
(3) V3（2015）版本将VGG的理念发扬广大，将“标准化”推广到一般情况，并加入了BN;
(4) V4 (2016) 版本在V3的基础上选定了合适的超参，没有引入残差的情况下，网络层数仍旧达到了76层。

其最为创新的地方就在于Inception模块，它是一个局部的网络拓扑结构，然后将这些模块堆叠在一起形成一个抽象层网络结构。具体来说就是运行几个并行的滤波器对输入进行卷