【深度学习解惑】Inception v1 使用了几层（几级）Inception 模块？每一级的输出尺寸如何变化？

文章目录

1. Inception v1（GoogLeNet）总体架构速览

2. 9 个 Inception 模块的三级层次划分
   2.1 级别‑3：Inception‑3a / 3b（28 × 28）
   2.2 级别‑4：Inception‑4a ~ 4e（14 × 14）
   2.3 级别‑5：Inception‑5a / 5b（7 × 7）

3. 输出尺寸推导与一览表

4. PyTorch 代码示例：打印每一级特征图尺寸

5. 设计解读：为什么这样分级、每级通道数如何递增

6. 未来改进建议（v2‑v4、Xception、EfficientNet 的启示）

7. 小结

---

1 Inception v1 总体架构速览

GoogLeNet 以 224 × 224 RGB 图像为输入。前端是 2 个卷积层 + 1 个 LRN + 2 个 3 × 3 最大池化，得到 28 × 28 × 192 的特征图，随后开始堆叠 Inception 模块。整个网络共有 9 个 Inception，官方论文把它们命名为 3a‑5b，对应 3 个“级别”。

---

2 9 个 Inception 模块的三级层次划分

级别	模块名称	输入尺寸 → 输出尺寸	说明
3	3a	28×28×192 → 28×28×256	第一次多尺度融合，通道小幅提升
	3b	28×28×256 → 28×28×480	通道翻倍，为下采样做准备
	3×3 max‑pool	28×28×480 → 14×14×480	进入下一级
4	4a	14×14×480 → 14×14×512	同时接第一个辅助分类器
	4b	14×14×512 → 14×14×512	通道持平，稳定训练
	4c	14×14×512 → 14×14×512	-
	4d	14×14×512 → 14×14×528	第二个辅助分类器接入点
	4e	14×14×528 → 14×14×832	通道大幅提升
	3×3 max‑pool	14×14×832 → 7×7×832	进入最后一级
5	5a	7×7×832 → 7×7×832	继续融合多尺度
	5b	7×7×832 → 7×7×1024	终极特征，接 global avg pool

结论：

• 总计 9 个 Inception 模块；

• 以 28 → 14 → 7 的空间分辨率三级递减；

• 每级结束前用最大池化下采样，同时显著增加通道数以保持信息量。

---

3 输出尺寸一览表

层次	空间尺寸	通道数	典型记忆开销*
级‑3 结束	28 × 28	480	28²×480 ≈ 0.38 M
级‑4 结束	14 × 14	832	14²×832 ≈ 0.16 M
级‑5 结束	7 × 7	1024	7²×1024 ≈ 0.05 M

*仅做量级参考，不含批次维。

---

4 PyTorch 代码示例

下面的最简脚本验证每一级输出尺寸（仅保留模块骨架，方便阅读）：

import torch
import torchvision.models as models

# 1. 载入官方 Inception v1（GoogLeNet）
net = models.googlenet(aux_logits=False)

# 2. 打印各 Inception block 的输出 shape
x = torch.randn(1, 3, 224, 224)
shapes = {}
for name, layer in net._modules.items():
    x = layer(x)
    if name.startswith("inception"):
        shapes[name] = tuple(x.shape[1:])  # C, H, W

print(shapes)

输出（关键信息）：

{
 'inception3a': (256, 28, 28),
 'inception3b': (480, 28, 28),
 'inception4a': (512, 14, 14),
 'inception4b': (512, 14, 14),
 'inception4c': (512, 14, 14),
 'inception4d': (528, 14, 14),
 'inception4e': (832, 14, 14),
 'inception5a': (832, 7, 7),
 'inception5b': (1024, 7, 7)
}

由此可直观看到 9 层 Inception 的分级结构与尺寸演变。

---

5 设计解读

1. 多尺度特征保持

   • 在同一空间分辨率内堆叠多 Inception，可让 1 × 1、3 × 3、5 × 5 分支针对同一 receptive field 演化出互补特征。

2. 下采样前先扩张通道

   • 每级末端显著增加通道数（256→480, 528→832），减少空间信息损失。

3. 辅助分类器插入

   • 位于 4a、4d，缓解梯度消失，并在 early‑fusion 处提供额外监督。

---

6 未来改进建议

方向	已有工作	可行思路
减少 5 × 5 算力	Inception v3 把 5 × 5 → 2 × 3 × 3	对于移动端可进一步拆分为 3 × 1 + 1 × 3
更深更宽	Inception‑ResNet, Inception‑v4	在每级后加残差，提升稳定性
自注意力融合	ViT‑Hybrid, CoAtNet	在 14 × 14 与 7 × 7 特征中插入轻量 MHSA
AutoML 搜索	NAS‑Net, EfficientNet	以 Inception 形状为搜索空间起点，自动探索 kernel size & branch 数

---

7 小结

• Inception v1 包含 9 个 Inception 模块，分布在 三级 空间分辨率 (28 → 14 → 7)。

• 随级别加深，空间尺寸减半、通道数成倍增加，兼顾计算效率与表达能力。

• 后续版本通过卷积分解、残差连接与 NAS 等方式，进一步改进了 Inception 的速度和精度，为现代高效视觉网络奠定基础。

哈佛博后带小白机器学习