上一篇文章我們引出了GoogLeNet InceptionV1的網絡結構，這篇文章中我們會詳細講到Inception V2/V3/V4的發展歷程以及它們的網絡結構和亮點。

GoogLeNet Inception V2

GoogLeNet Inception V2在《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》出現，最大亮點是提出了Batch Normalization方法，它起到以下作用：

• 使用較大的學習率而不用特別關心諸如梯度爆炸或消失等優化問題；
• 降低了模型效果對初始權重的依賴；
• 可以加速收斂，一定程度上可以不使用Dropout這種降低收斂速度的方法，但卻起到了正則化作用提高了模型泛化性；
• 即使不使用ReLU也能緩解激活函數飽和問題；
• 能夠學習到從當前層到下一層的分布縮放( scaling (方差)，shift (期望))系數。

　　在機器學習中，我們通常會做一種假設：訓練樣本獨立同分布(iid)且訓練樣本與測試樣本分布一致，如果真實數據符合這個假設則模型效果可能會不錯，反之亦然，這個在學術上叫Covariate Shift，所以從樣本（外部）的角度說，對于神經網絡也是一樣的道理。從結構（內部）的角度說，由于神經網絡由多層組成，樣本在層與層之間邊提特征邊往前傳播，如果每層的輸入分布不一致，那么勢必造成要么模型效果不好，要么學習速度較慢，學術上這個叫InternalCovariate Shift。 

假設：$y$為樣本標注，$X=\{x_{1},x_{2},x_{3},......\}$為樣本$x$通過神經網絡若干層后每層的輸入；

理論上：$p(x,y)$的聯合概率分布應該與集合$X$中任意一層輸入的聯合概率分布一致，如：$p(x,y)=p(x_{1},y)$；

但是：$p(x,y)=p(y|x)·p(x)$,其中條件概率$p(y|x)$是一致的，即$p(y|x)=p(y|x_{1})=p(y|x_{1})=......$，但由于神經網絡每一層對輸入分布的改變，導致邊緣概率是不一致的，即$p(x)\neq p(x_{1})\neq p(x_{2})......$，甚至隨著網絡深度的加深，前面層微小的變化會導致后面層巨大的變化。

　　BN整個算法過程如下： 

• 以batch的方式做訓練，對m個樣本求期望和方差后對訓練數據做白化，通過白化操作可以去除特征相關性并把數據縮放在一個球體上，這么做的好處既可以加快優化算法的優化速度也可能提高優化精度，一個直觀的解釋：

　　 左邊是未做白化的原始可行域，右邊是做了白化的可行域；

• 當原始輸入對模型學習更有利時能夠恢復原始輸入（和殘差網絡有點神似）：

　　這里的參數$\gamma$和$\sigma$是需要學習的。

　　卷積神經網絡中的BN

　　卷積網絡中采用權重共享策略，每個feature map只有一對$\gamma$和$\sigma$需要學習。

GoogLeNet Inception V3

GoogLeNet Inception V3在《Rethinking the Inception Architecture for Computer Vision》中提出（注意，在這篇論文中作者把該網絡結構叫做v2版，我們以最終的v4版論文的劃分為標準），該論文的亮點在于：

• 提出通用的網絡結構設計準則
• 引入卷積分解提高效率
• 引入高效的feature map降維

網絡結構設計的準則

前面也說過，深度學習網絡的探索更多是個實驗科學，在實驗中人們總結出一些結構設計準則，但說實話我覺得不一定都有實操性：

• 避免特征表示上的瓶頸，尤其在神經網絡的前若干層 

神經網絡包含一個自動提取特征的過程，例如多層卷積，直觀并符合常識的理解：如果在網絡初期特征提取的太粗，細節已經丟了，后續即使結構再精細也沒法做有效表示了；舉個極端的例子：在宇宙中辨別一個星球，正常來說是通過由近及遠，從房屋、樹木到海洋、大陸板塊再到整個星球之后進入整個宇宙，如果我們一開始就直接拉遠到宇宙，你會發現所有星球都是球體，沒法區分哪個是地球哪個是水星。所以feature map的大小應該是隨著層數的加深逐步變小，但為了保證特征能得到有效表示和組合其通道數量會逐漸增加。 　　

下圖違反了這個原則，剛開就始直接從35×35×320被抽樣降維到了17×17×320，特征細節被大量丟失，即使后面有Inception去做各種特征提取和組合也沒用。

• 對于神經網絡的某一層，通過更多的激活輸出分支可以產生互相解耦的特征表示，從而產生高階稀疏特征，從而加速收斂，注意下圖的1×3和3×1激活輸出：

• 合理使用維度縮減不會破壞網絡特征表示能力反而能加快收斂速度，典型的例如通過兩個3×3代替一個5×5的降維策略，不考慮padding，用兩個3×3代替一個5×5能節省1-（3×3+3×3）/(5×5)=28%的計算消耗。

• 以及一個n×n卷積核通過順序相連的兩個1×n和n×1做降維（有點像矩陣分解），如果n=3，計算性能可以提升1-(3+3)/9=33%，但如果考慮高性能計算性能，這種分解可能會造成L1 cache miss率上升。

• 通過合理平衡網絡的寬度和深度優化網絡計算消耗（這句話尤其不具有實操性）。
• 抽樣降維，傳統抽樣方法為pooling+卷積操作，為了防止出現特征表示的瓶頸，往往需要更多的卷積核，例如輸入為n個d×d的feature map，共有k個卷積核，pooling時stride=2，為不出現特征表示瓶頸，往往k的取值為2n，通過引入inception module結構，即降低計算復雜度，又不會出現特征表示瓶頸，實現上有如下兩種方式：

　　平滑樣本標注

對于多分類的樣本標注一般是one-hot的，例如[0,0,0,1]，使用類似交叉熵的損失函數會使得模型學習中對ground truth標簽分配過于置信的概率，并且由于ground truth標簽的logit值與其他標簽差距過大導致，出現過擬合，導致降低泛化性。一種解決方法是加正則項，即對樣本標簽給個概率分布做調節，使得樣本標注變成“soft”的，例如[0.1,0.2,0.1,0.6]，這種方式在實驗中降低了top-1和top-5的錯誤率0.2%。

　　網絡結構

GoogLeNet Inception V4

GoogLeNet Inception V4/和ResNet V1/V2這三種結構在《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》一文中提出，論文的亮點是：提出了效果更好的GoogLeNet Inception v4網絡結構；與殘差網絡融合，提出效果不遜于v4但訓練速度更快的結構。

GoogLeNet Inception V4網絡結構

GoogLeNet Inception ResNet網絡結構

 代碼實踐

　　Tensorflow的代碼在slim模塊下有完整的實現，paddlepaddle的可以參考上篇文章中寫的inception v1的代碼來寫。

 總結　

　　這篇文章比較偏理論，主要講了GoogLeNet的inception模塊的發展，包括在v2中提出的batch normalization，v3中提出的卷積分級與更通用的網絡結構準則，v4中的與殘差網絡結合等，在實際應用過程中可以可以對同一份數據用不同的網絡結構跑一跑，看看結果如何，實際體驗一下不同網絡結構的loss下降速率，對準確率的提升等。