1.特点
AlexNet和VGG都只有一个输出层，而GoogLeNet有三个输出层（其中有两个辅助分类层，即图中红圈，黑圈为主分类器）
2.Inception结构
图a，将上一层的输出矩阵同时输入到这四个分支中进行处理，将这四个矩阵处理后的特征矩阵按深度进行拼接，得到输出特征矩阵 （每个特征矩阵的高和宽必须相同）
图b中加入了三个1*1卷积核，起降维作用 （减少特征矩阵深度，减少所需参数）
辅助分类器（只在训练过程中起作用）
该网络中有两个辅助分类器，但结构相同（分别来自inception4a和4d）
第一层是平均池化下采样操作，池化核大小为5，步距为3
接下来用128个卷积核大小为1的卷积层进行处理，目的是降低维度，这里也使用了relu激活函数
接下来用节点个数是1024的全连接层
在两个全连接层中使用dropout函数，以0.7的概率失活神经元
最后一个全连接层有多少个类别就有多少个节点，再使用softmax激活函数得到概率分布
1445
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
