标签：net 学习 分辨率 传统 扩大 慢慢 一个 color 发展历程
mlp多层感知器层
inception module
上面两个观看孔径，尺寸不一样，可以抽取不同分辨率，不同尺度的邻域范围的信息作为特征，这样就可以观察到输入数据的不同层次，不同分辨率的特征
因为这个1*1完了之后，就是做完内积以后，就在那一个点上，它是每个通道那一个点上做完内积，把所有通道的内积加起来，之后非线性激活函数，这里的conv里面都包含relu。
1*1卷积所连接的相关性是最高的，因为卷积核扩大以后呢，3*3他在不同通道的位置，可能会变得不一样，相关性就会减弱
v2:
传统的神经网络训练的时候，每一层输入的分布都在变化，就是网络的这个不同输入的分布，在不同的迭代过程中，变化特别剧烈，总是稳定不下来，这样就没法收敛，只能使用比较小的学习率，让他慢慢变化
标签：net 学习 分辨率 传统 扩大 慢慢 一个 color 发展历程
原文地址：https://www.cnblogs.com/pacino12134/p/9791118.html
