Inception Net-V3結構圖

前言

Google Inception Net在2014年的 ImageNet Large Scale Visual Recognition Competition (ILSVRC)中取得第一名，該網絡以結構上的創新取勝，通過采用全局平均池化層取代全連接配接層，極大的降低了參數量，是非常實用的模型，一般稱該網絡模型為Inception V1。随後的Inception V2中，引入了Batch Normalization方法，加快了訓練的收斂速度。在Inception V3模型中，通過将二維卷積層拆分成兩個一維卷積層，不僅降低了參數數量，同時減輕了過拟合現象。

一、多少層？

Inception V3究竟有多少層呢？某書籍上說42層，某書籍上說46層。參考實作的源代碼，仔細數一數，應該是47層。

層次結構圖.png

5(前面)+

3(block1_module1)+3(block1_module2)+3(block1_module3)+

3(block2_module1)+5(block2_module2)+5(block2_module3)+5(block2_module4)+5(block2_module5)+

4(block3_module1)+3(block3_module2)+3(block3_module3)

= 47層

Tips：上面的這張層次結構圖出現在某些文章和書籍中，根據實作的源碼，标注的紅色方框處應該是5個卷積層，而不是4個。

二、詳細網絡結構

詳細的網絡結構及其子網絡結構如下。

總體結構圖 .png

block1_module1.png

block1_module2.png

block1_module3.png

block2_module1.png

block2_module2.png

block2_module3,4.png

block2_module5.png

block3_module1.png

block3_module2.png

block3_module3.png

作者：憶霜晨

連結：https://www.jianshu.com/p/3bbf0675cfce

來源：簡書

著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。