版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u013608336/article/details/82891381
inception 就是将之前的卷积层的叠加，变成了inception module的叠加， 以求用更少的参数，提取出更丰富的特征。
文章分析了以往的inception 模型，都是先进行1x1的卷积，映射到3-4个不同的维度，这相当于提取cross channel correlation ，然后再进行3x3，5x5的卷积，为的是提取spatial correlations。作者提出了一个问题，能不能将这二者完全分开？cross-channel correlations and spatial correlations can be mapped completely separately？
inception 和 depthwise separable convolution的区别
1.inception module是先做1x1卷积，再做空间上的3x3，5x5的卷积，而depthwise separable 卷积则是相反的。
2. 有没有非线性变换，inception 的每一种卷积后面都跟的有relu，但是depthwise 后面没有非线性变换。
depthwise separable convolution,其实就是将传统的卷积操作分成两步，假设原来是3*3的卷积，
- depthwise convolution
先用M个3*3卷积核一对一卷积输入的M个feature map，不求和，生成M个结果； - pointwise convolution
然后用N个1*1的卷积核正常卷积前面生成的M个结果，求和，最后生成N个结果
