【深度学习系列】用PaddlePaddle和Tensorflow实现GoogLeNet InceptionV2/V3/V

GoogLeNet Inception V4/和ResNet V1/V2这三种结构在《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》一文中提出，论文的亮点是：提出了效果更好的GoogLeNet Inception v4网络结构；与残差网络融合，提出效果不逊于v4但训练速度更快的结构。

GoogLeNet Inception V4网络结构

GoogLeNet Inception ResNet网络结构

代码实践

Tensorflow的代码在slim模块下有完整的实现，paddlepaddle的可以参考上篇文章中写的inception v1的代码来写。

总结　

这篇文章比较偏理论，主要讲了GoogLeNet的inception模块的发展，包括在v2中提出的batch normalization，v3中提出的卷积分级与更通用的网络结构准则，v4中的与残差网络结合等，在实际应用过程中可以可以对同一份数据用不同的网络结构跑一跑，看看结果如何，实际体验一下不同网络结构的loss下降速率，对准确率的提升等。　

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!