摘要：
①relu角度 有点类似传统特征工程中，已有的特征在固定的模型下没有性能提升了，那就用更多的非线性变换对已有的特征去做变换，产生更多的特征的意味； 多出的relu对网络中层进一步压榨提炼特征。结合一开始单张 feature map 的 local 信息更多一些，还没来得及把信息分摊到 channel 阅读全文
摘要：
前面的5组pooling层： feature map 的** width 和 height** 随着每个pool操作缩小50%，5个pool 操作使得 width 和 height 逐渐变化：224->112->56->28->14->7， 但是深度depth（或说是channel数），随着5组卷积 阅读全文
摘要：
filter 1×1(源自Network in Network )， ①输入输出channel数相同，可以看作是输入的线性变换，但是增加了非线性(∵后面跟着的relu层) ②对feature map降维/升维(∵输出的channel数=核数) 对 feature map 的channel级别降维或升 阅读全文