深度学习框架tensor教程（程序员1小时源码演示谷歌Inception不同）
深度学习框架tensor教程（程序员1小时源码演示谷歌Inception不同）如图和代码所示，模块共采取四个通道进行并行计算，传递的结果在第三通道（深度）处进行拼接输出。代码实现简介：在严格的意义上来讲，Inception-v1是属于GoogLeNet系列的，是早期向LeNet模型致敬的一款模型。图为改进后的Inception结构模块，总体结构没有改变，这样我们就可以进行一些代码的相关实践框架版本：TensorFLow-1.5-GPU
卷首语：在上一篇文章中，我们探讨了关于“AlexNet”模型的结构与代码实现，相信大家已经对CNN的结构有了一定的了解。在本文中我们会讨论关于GoogleNet系列中的Inception-v1/v2模型的分析与实现，和从前的文章一样，力求精简，毫无门槛。
本文范围：
Inception-v1/v2系列案例分析与实现
Inception-v1
简介：在严格的意义上来讲，Inception-v1是属于GoogLeNet系列的，是早期向LeNet模型致敬的一款模型。
图为改进后的Inception结构模块，总体结构没有改变，这样我们就可以进行一些代码的相关实践
框架版本：TensorFLow-1.5-GPU
代码实现
如图和代码所示，模块共采取四个通道进行并行计算，传递的结果在第三通道（深度）处进行拼接输出。
但是，单单实现了传递过程还不能够，Inception-v2最值的一提的还是BN层，它可以避免频繁调试学习率而大幅度的提升模型的训练效率。
今天就到这里，下次我会带大家深入浅出——快速实现BN层算法，使你的模型也能够训练如飞！
记得添加关注哦！！
（未完待续）
