阶段3 480x14x14 ↑ 3x3 MaxPool, stride 2,pad 2 下 增加输出通道 通道分配是不同的 Concatenation(480) 3x3 Conv (192) 5x5 Conv(96) 1x1 Conv (64) 1x1 Conv(128) 1x1 Conv(128) 1x1 Conv(32) 3x3 MaxPool Input(256) Concatenation(256) 3x3 Conv(128) 5x5 Conv (32) 1x1 Conv(32) 1x1 Conv (64) 1x1 Conv(96) 1x1 Conv(16) 3x3 MaxPool 192x28x28 D2L.ai
阶段 3 增加输出通道 通道分配是不同的
832x7x7 阶段4&5 3x3 MaxPool, stride 2,pad 2 增加输出通道 宇 832) 1024个输出通道 1024x1x1 GlobalAvgPool ■1024■ 全 增加输出通道 5 增加输出通道 832x7x7 D2L.ai 480x14x14
阶段 4 & 5 增加输出通道 增加输出通道 1024个输出通道 增加输出通道
许多种类的Inception网络 ·Inception-.BN(v2)-添加批量归一化 Inception-V3-修改了初始块 ·用多个3x3卷积替换5x5 ·用1x7和7×1卷积替换5x5 ·用1x3和3x1卷积替换3x3 通常用更深的堆 ·Inception-V4-添加残差块连接 D2L.ai
许多种类的 Inception 网络 • Inception-BN（v2） - 添加批量归一化 • Inception-V3 - 修改了初始块 • 用多个 3x3 卷积替换 5x5 • 用 1x7 和 7x1 卷积替换 5x5 • 用 1x3 和 3x1 卷积替换 3x3 • 通常用更深的堆 • Inception-V4 - 添加残差块连接
Inception V3块-阶段3 Concatenation Concatenation 3x3 Conv 3x3 Conv 5x5 Conv 1x1 Conv 3x3 Conv 3x3 Conv 1x1 Conv 1x1 Conv 1x1 Conv 1x1 Conv 1x1 Conv 3x3 MaxPool 1x1 Conv 1x1 Conv 3x3 MaxPool Input Input D2L.ai
Inception V3 块 - 阶段 3