神经网络实战记录8—将多分类VGGNet改为多分类InceptionNet

1.回顾一些InceptionNet的基本思想：
分组卷积：

2.与残差网络类似，可以将分组卷积的Inception结构用一个函数封装起来，以后只需要调用这个函数即可：
（1）将VGGNet的结构删掉：


（2）实现Inception结构：
定义一个inception block：

再看各个分支是如何去计算的：
首先定义一个scope防止运行冲突：
定义分支的卷积：
11的卷积：

33和5*5的卷积：

maxpooling的分支：

然后将这四个分支拼接起来：

需要先计算出来pad等数值的大小的大小：
然后给maxpooling做padded

再将padded_pooling和卷积层拼接起来：

拼接的维度是第4个维度，所以id就是3,：
拼接之后就可以返回了：

以上~Inception block就写完了~~~

3.在模型中使用Inception block这个函数：

inceptionNet的网络结构：
普通的卷积——池化——Inception block：
（1）将VGGNet的一些结构加回来：

加了一个普通的卷积层和一个普通的pooling层，可以使得图像大小变为原来的1/2

使用Inception block：

再经过一个池化层：

再复制一遍上面的过程：

展开池化层：

以上~一个Inception的结构就已经搭建完毕了 ~

4.训练结果：