理解深度学习中的Inception网络

背景

构建CNN时，你要决定卷积核的大小，是1x3合适，还是3x3合适，还是5x5合适？要不要添加pooling层？

做这些决定（很可能是通过grid search）很麻烦，对吧？

Inception网络的优点，就是能代替你做决定，酷吧！

Inception层的基本思想

Inception层是Inception网络中的基本结构。Inception层的基本原理如下图：

Inception层中，有多个卷积层结构（Conv）和Pooling结构（MaxPooling），它们利用了padding的原理，让经过这些结构的最终结果Shape不变。

• C_1X1: 28x28x192的输入数据，与64个1x1的卷积核做卷积后，得到28x28x64的输出
• C_3X3: 28x28x192的输入数据，与128个3x3的卷积核做卷积后，得到28x28x128的输出
• C_5X5: 28x28x192的输入数据，与32个5x5的卷积核做卷积后，得到28x28x32的输出
• MP: 28x28x192的输入数据，做MaxPooling后（带padding），得到28x28x32的输出

多个Inception层组合在一起，就构成了Inception网络。但这样直接计算，计算量很大，所以要利用1x1的卷积核，来降低计算量。

1x1的卷积如何降低计算量

考虑如下问题，经过这一次卷积后，计算量为多少？

• 输入数据维度：28x28x192
• 卷积核大小：5x5x32
• 输出数据维度：28x28x32

输出数据共有28x28x32个值，每个值都要进行5x5x192次乘法（卷积中的）运算，所以一共要进行28x28x32x5x5x192次乘法计算，即120,422,400。

同样的问题，如果先经过1x1的卷积计算，再通过，如下图

• 输入数据维度：28x28x192
• 卷积核1大小：1x1x16
• 卷积核2大小：5x5x32
• 输出数据维度：28x28x32

经过第一个卷积层，要进行(28x28x16x1x1x192=2,408,448)次乘法计算，经过第二个卷积层，要进行（28x28x32x5x5x16=10,035,20）次乘法计算。总共计算次数也就是（2,408,448+10,035,20=12,443,648）次，比上面直接经过一个卷基层的计算量（120,422,400）要小很多。

可见，用好1x1的卷积核，就能降低计算量。

Inception网络

带有1x1卷积核的Inception层，就构成了Inception网络的基本单元，如下图：

这样的多个Inception层组合在一起，就构成了Inception网络，如下图：

当然，实际论文中的Inception网络还包括输出端的全连接层，还有Inception网络会从中间层引出多个输出，再连接SoftMax，这样能减少过拟合（让中间层也起作用）。

总结

Inception‎是电影盗梦空间的名字，Google发明的Inception‎网络取名也是来自这个电影。

Inception网络是由多个Inception层组成的，它的最大优点是可以一定程度上帮你省去指定CNN卷积核大小和MP调优的工作。