第三周--Googlenet-v1
1：文字回答：GoogLeNet采用了几个辅助损失？辅助损失函数的权重是多少？为什么要采用辅助损失函数？
答：两个；分别在Inceptionn4b和Inception4e增加两个辅助分类层；用于增加loss回传和充当正则约束迫使中间层特征也具有分类能力。
2：文字回答：Inception模块中有几个分支？分别是哪些操作？Inception模块输出时特征图采用什么方式融合？
答：4个；1x1，3x3，5x5，1x1；通过对通道数进行相加来对特征图进行融合。
3：文字回答：读完该论文，对你的启发点有哪些？
- 池化损失空间分辨率，但在定位、检测和人体姿态识别中仍应用；延伸：定位、检测和人体姿态识别这些任务十分注重空间分辨率信息。
- 增加模型深度和宽度，可有效提升性能，但有2个缺点，容易过拟合，计算量大。
- 为节省内存消耗，先将分辨率降低，在堆叠使用inception结构。
- 最后一层为全连接层，是为了更方便的微调，迁移学习。