本文重点

inception从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果。可以简单的理解为Inception 网络是由一个一个的Inception模块构建成的，我们来看一下。

Inception模块

如上就是Inception模块的

通过一个1*1的卷积层，输出为28*28*64

先通过一个 1×1的卷积层通道降低到96，再通过一个 3*3 的卷积层，输出为28*28*128

先通过一个 1×1的卷积层通道降低到16，再通过一个 5*5 的卷积层，输出为28*28*32

池化层，我们先使用same填充的3*3，s=1的对其进行池化操作，保证维度还是28*28*192,然后使用1*1的卷积层（也就是使用 32 个维度为1×1×192 的过滤器）对其进行缩小通道处理，缩小到 28×28×32。

最后，将这些方块全都连接起来。在这过程中，把得到的各个层的通道都加起来，最后得到一个 28×28×256 的输出。

这就是一个 Inception 模块，而 Inception 网络所做的就是将这些模块都组合到一起。