BN的出現大大解決了訓練收斂問題。作者主要圍繞歸一化的操作做了一系列優化思路的闡述，值得細看。 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift ...

　　Inception V3根據前面兩篇結構的經驗和新設計的結構的實驗，總結了一套可借鑒的網絡結構設計的原則。理解這些原則的背后隱藏的動機比單純知道這個操作更有意義。 　　Rethinking the Inception Architecture for Computer Vision ...

網絡結構解讀之inception系列二：GoogLeNet（Inception V1） 　　inception系列的開山之作，有網絡結構設計的初期思考。 Going deeper with convolutions motivations ...

　　inception系列的開山之作，有網絡結構設計的初期思考。 Going deeper with convolutions motivations: 提高模型性能的最直接方式：1.加深（增加層）2.加寬（增加單層的神經元個數） 帶來的兩個弊端：1.大規模的參數 ...

　　在殘差逐漸當道時，google開始研究inception和殘差網絡的性能差異以及結合的可能性，並且給出了實驗結構。 本文思想闡述不多，主要是三個結構的網絡和實驗性能對比。 Inception-v4, Inception-ResNet and the Impact of Residual ...

網絡結構解讀之inception系列四：Inception V3 　　Inception V3根據前面兩篇結構的經驗和新設計的結構的實驗，總結了一套可借鑒的網絡結構設計的原則。理解這些原則的背后隱藏的動機比單純知道這個操作更有意義。 　　Rethinking ...

網絡結構解讀之inception系列五：Inception V4 　　在殘差逐漸當道時，google開始研究inception和殘差網絡的性能差異以及結合的可能性，並且給出了實驗結構。 本文思想闡述不多，主要是三個結構的網絡和實驗性能對比。 Inception-v ...

Inception系列之Inception_v2-v3 Inception系列之Batch-Normalization 目前，神經網絡模型為了得到更好的效果，越來越深和越來越寬的模型被提出。然而這樣會帶來以下幾個問題： 1)參數量，計算量越來越大，在有限內存和算力的設備 ...