问盗梦空间v2和盗梦空间v3有什么区别？

EN

论文批归一化，Sergey等人，2015年。文中提出了GoogleNet的一个变体-v1体系结构，并在此基础上引入批归一化( Normalization )。

(Szegedy等人，2014年)所描述的网络的主要区别是，5x5卷积层被两个连续的3x3卷积层所取代，而3x3卷积带多达128个滤波器。

在论文对计算机视觉初始结构的再思考中，作者提出了“盗梦空间-v2”和“盗梦空间-v3”。

在“盗梦空间-v2”中，他们引入了分解(将卷积分解为较小的卷积)，并将一些小的变化引入了“盗梦空间-v1”。

注意，我们已经将传统的7x7卷积分解为三个3x3卷积。

至于“盗梦空间-v3”，它是“盗梦空间-v2”的一个变体，它增加了BN-辅助性。

BN辅助性是指辅助分类器的完全连接层也被规范化，而不仅仅是卷积的版本。我们将模型起始-v2+ BN辅助称为“盗梦空间-v3”。

除了多利克提到的

初始v2使用可分离卷积作为第一层深度64

• 功能使用
• 功能定义
• 纸

从纸上引用

我们的模型在第一卷积层上采用可分卷积和深度乘法器8。这降低了计算成本，同时增加了训练时的内存消耗。

为什么这很重要？因为它在v3和v4中被删除了，但是后来在移动网中被重新引入和大量使用。

答案可以在更深的卷积纸上找到：https://arxiv.org/pdf/1512.00567v3.pdf

检查表3.初始v2是在深入卷积文件中描述的体系结构。初始v3是相同的体系结构(小的变化)，不同的训练算法(RMSprop，标签平滑正则化，添加了一个带有批处理规范的辅助头，以改进训练等)。