【深度学习】GoogLeNet系列解读 —— Inception v3

最新推荐文章于 2025-05-23 13:58:55 发布

z小白

最新推荐文章于 2025-05-23 13:58:55 发布

阅读量1.1w

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习 keras 深度学习文章标签： cnn inception GoogLeNet

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/zzc15806/article/details/83474661

Inception v3采用RMSProp优化算法，使用Label Smoothing Regularization (LSR)减少过拟合，将7x7卷积层拆分为3x3，同时辅助分类器的全连接层引入batch-normalization。LSR通过加入噪声到标签，防止模型过于集中于高频类别，起到正则化作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

GoogLeNet系列解读

Inception v3

Inception v3整体上采用了Inception v2的网络结构，并在优化算法、正则化等方面做了改进，总结如下：

1. 优化算法使用RMSProp替代SGD。

2. 使用Label Smoothing Regularization（LSR）方法。LSR是一种通过在输出y中加噪声，实现对模型进行约束，降低模型过拟合的方法。进行模型训练时，通常真是标签q(k/x)采用one-hot的形式，而模型的输出一般为softmax归一后的概率分布p(k/x)，

$p(k/x)=\frac{exp(z_k)}{\sum_i^{i=K}exp(z_i))}$

损失函数为，

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。