零、Inception-Resnet-V2的网络模型
整体结构如下，整体设计简洁直观:
其中的stem部分网络结构如下，inception设计，并且conv也使用了7*1+1*7这种优化形式：
inception-resnet-A部分设计，inception+残差设计：
截自https://my.oschina.net/gyspace/blog/893788
一、Inception
基本思想：不需要人为决定使用哪个过滤器，或是否需要池化，而是由网络自行确定这些参数，你可以给网络添加这些参数的所有可能值，然后把这些输出连接起来，让网络自己学习它需要什么样的参数，采用哪些过滤器组合。
细节：网络中存在softmax分支，原因——即便是隐藏单元和中间层也参与了特征计算，它们也能预测图片的分类，它在Inception网络中起到一种调整的效果，防止过拟合。
二、Resnet
残差网络就是残差块的堆叠，这样可以把网络设计的很深；
残差网络和普通网络的差异是，al+2在进行非线性变化前，把al的数据拷贝了一份与zl+2累加后进行了非线性变换；
对于普通的卷积网络，用梯度下降等常用的优化算法，随着网络深度的增加，训练误差会呈现出先降低后增加的趋势，而我们期望的理想结果是随着网络深度的增加训练误差逐渐减小，而Resnet随着网络深度的增加训练误差会一直减小。
三、1*1卷积的主要作用有以下几点：
1、降维（ dimension reductionality ）。比如，一张500 * 500且厚度depth为100 的图片在20个filter上做1*1的卷积，那么结果的大小为500*500*20。
2、加入非线性。卷积层之后经过激励层，1*1的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力；可以在保持feature map尺度不变的（即不损失分辨率）的前提下大幅增加非线性特性（利用后接的非线性激活函数），把网络做的很deep。
当1*1卷积出现时，在大多数情况下它作用是升/降特征的维度，这里的维度指的是通道数（厚度），而不改变图片的宽和高。