大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
googlenet 是2014年imagenet的冠军，同年还有VGG。因此在说googlenet之前，先回顾下VGG。
之前介绍过faster RCNN， faster RCNN底层的模型官方支持了VGG和ZF，同样在K80下，ZF大概是8fps的速度，而VGG大概是3fps，这无疑就说明了VGG有些重。再给个直观的感受，通常我们VGG的faster RCNN模型大概是400M左右，而googlenet的分类模型一般30M左右，虽然detection任务中在VGG的基础上又加了一些层，但无论如何都足以说明googlenet相比于VGG更加轻量。
但googlenet也有自身的问题，本博客只讨论v1。googlenet为了防止梯度消失，在前面的层增加了两个损失函数，softmax0和softmax1，正是这两个损失函数导致了googlenet的可拓展性没有VGG那么强，所以在object detection的时候，个人没见过用googlenet作为底层模型的，但是即便如此，googlenet在分类领域还是非常好用的，在你不知道这个分类问题该怎么解决时，用googlenet试试，precision总还是可以接受的。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/170443.html原文链接：https://javaforall.net
