7.4.1 Inception 块

白色的$1\times 1$卷积层是用来降低通道数的，蓝色的卷积层是用来学习特征的
大致解释一下这些数字是怎么分配的。现在我们的通道数是$192$，于是我们假设最后输出的通道数是$256$；考虑这些通道如何分配：我们知道$3\times 3$的卷积层性质很好（参数不算太多，学习能力也比较强），所以分配一半的通道；剩下的通道的一半在分配给$1\times 1$卷积，也就是不看空间信息，只看像素信息；再剩下的通道数对半分即可。实际上这些参数都是调出来的

接下来仔细看一下各层的设计

可以看出，GoogleNet没有Alexnet这么狠，降低宽高的过程更缓慢。复习一下为什么要降低宽高增加通道数：降低宽高是为了降低复杂度，增加通道数是为了学习更多特征


可以看出，超参数之间是总结不出什么规律的。所以上面的设计思路是大概的，真正的参数都是调出来的

V3用的挺多的。中间两种修改的思想就是我先看行信息不看列信息，再看列信息不看行信息

左边是V3，右边是原始的


效果见下

提醒一下，圆的大小代表内存占用大小

注意这里上百层不是指深度，而是指块
GoogleNet的问题就是太复杂了