從GoogLeNet的Inceptionv1開始，發展了眾多inception，如inception v2、v3、v4與Inception-ResNet-V2。 故事還是要從inception v1開始說起。 Inception v1 相比於GoogLeNet之前的眾多卷積神經網絡 ...

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 ...

　　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 ...

　　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 ...

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 ...