Mxnet #16: Parallel Network (GoogLeNet)

GoogLeNet在设计过程中借鉴了NiN中关于网络串联结构的理念，并在此基础上进行了显著优化。在以往的网络架构中，kernel_size的选择范围较广，从1到11不等，而GoogLeNet提出了一种新的思路，即通过结合不同尺寸的卷积核可能带来更优的效果，这种做法仿佛是在进行一种多维度的选择。

1.Inception块结构解析

GoogLeNet模型中所采用的核心卷积单元被命名为Inception块，这一名称源自于同名电影《盗梦空间》。相较于NiN块的设计，该结构在组成形式上呈现出更高的复杂性。

该结构实际上由四条并行路径构成：

• 1×1 卷积操作
• 先进行3×3 卷积再接1×1 卷积
• 先进行5×5 卷积再接1×1 卷积
• 先执行3×3 最大池化操作再接1×1 卷积

每条路径均采用了恰当的填充方式，以确保输入与输出在高度和宽度上保持一致。最终，将各路径的输出结果在通道维度上进行拼接，并将其作为后续层的输入。

在Inception模块中，可自定义的超参数包括各个层所对应的输出通道数量，通过调整这些参数可以实现对模型复杂程度的有效控