googlenet解析

原始数据是224*224*3

第一层卷积层 conv1 ，pad是3，7*7 ，64个特征，步长2，输出为 112*112*64。然后进行relu，经过pool1 进行pooling 3*3的核，步长为2， [（112 - 3+1）/2]+1 = 56  特征为56*56*64 ， 再规范。

第二层卷积层 conv2， pad是1，3*3，192个特征，输出为56*56*192，然后进行relu，再规范，经过pool2进行pooling，3*3的核，步长为2 输出为28*28*192 再分成四个分支（3a）

第三层（3a）采用不同尺度的卷积核来处理问题。四个分支：

1： 64个1*1的卷积核，然后rule得28*28*64

2： 96个1*1的卷积核 作为3*3卷积核之前的reduce，变成28*28*96， 进行relu计算后，再进行128个3*3的卷积，pad为1， 28*28*128

3：16个1*1的卷积核 作为5*5卷积核之前的reduce，变成28*28*16， 进行relu计算后，再进行32个5*5的卷积，pad为2，变成28*28*32

4：pool层，3*3的核，pad为1，输出还是28*28*192，然后进行32个1*1的卷积，变成28*28*32。

     将四个结果进行连接，得到28*28*256。然后3b:

1：128个1*1的卷积核，然后rule得28*28*128

2：128个1*1的卷积核 作为3*3卷积核之前的reduce，变成28*28*128， 再进行192个3*3的卷积，pad为1， 28*28*192，进行relu计算

3：32个1*1的卷积核 作为5*5卷积核之前的reduce，变成28*28*32， 进行relu计算后，再进行96个5*5的卷积，pad为2，变成28*28*96

4：pool层，3*3的核，pad为1，输出还是28*28*256，然后进行64个1*1的卷积，变成28*28*64。

将四个结果进行连接，输出为28*28*480

第四层，4a..4b.....同上~~略。