PyTorch实战——GoogLeNet与Inception详解

0. 前言

从 LeNet 到 VGG，我们已经观察到卷积神经网络 (Convolutional Neural Network, CNN) 模型的演进过程：通过堆叠更多的卷积层和全连接层，构建需要训练更多参数的深度神经网络。GoogLeNet 的出现则带来了一种截然不同的 CNN 架构，其核心是由并行卷积层组成的模块——Inception 模块。因此，GoogLeNet 也称为 Inception v1。GoogLeNet 引入了一些全新的设计元素，包括：

• Inception 模块：由多个并行卷积层组成的模块
• 1x1 卷积：用于减少模型参数数量
• 全局平均池化：替代全连接层，减少过拟合
• 辅助分类器：用于正则化和梯度稳定

GoogLeNet 有 22 层，比任意 VGG 模型的层数都要多。然而，由于采用了一些优化技巧，GoogLeNet