CV-CNN-2015：GoogleNet-V3【贡献：卷积核分解（Factorization）减少参数量，比如将7x7分解成两个一维的卷积（1x7,7x1）】【避免表达瓶颈，更深】

本文主要是介绍CV-CNN-2015：GoogleNet-V3【贡献：卷积核分解（Factorization）减少参数量，比如将7x7分解成两个一维的卷积（1x7,7x1）】【避免表达瓶颈，更深】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Inception V3一个最重要的改进是分解（Factorization），将7x7分解成两个一维的卷积（1x7,7x1），3x3也是一样（1x3,3x1），这样的好处，既可以加速计算，又可以将1个卷积拆成2个卷积，使得网络深度进一步增加，增加了网络的非线性（每增加一层都要进行ReLU）。

另外，网络输入从224x224变为了299x299。

---

---

---

参考资料：
CNN模型合集 | 7 Inception V2/V3

这篇关于CV-CNN-2015：GoogleNet-V3【贡献：卷积核分解（Factorization）减少参数量，比如将7x7分解成两个一维的卷积（1x7,7x1）】【避免表达瓶颈，更深】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---