如果这个问题对你们来说真的很明显或者很基础，我很抱歉我只是一个试图理解神经网络的高中生。嘿，我对图像分类进行了很多研究，我遇到了这个说明 Inception-v3 模型的例子:
我不习惯这些类型的插图，有人可以解释一下每个矩形的含义以及为什么模型没有看起来像具有不同层的典型神经网络插图的层，如下所示:
最佳答案
我只是想给你指出正确的方向。 Google 的成立有点难以理解。
首先要了解的是卷积层，为此我推荐您 this guide 。这将解释什么是卷积运算和池化。
初始的作用是并行组合不同的卷积和池化操作(这些称为初始模块)，以便网络决定这些并行操作中的哪一个最适合每一层。第一层是卷积层，把它想象成你的眼睛，它们看到形状、颜色、边缘……这实际上就是第一层看到的。最后，您将拥有完全连接的层，例如您发布的第二张图片，它充当分类器。将这些视为您的大脑。他们从眼睛(卷积层)获取所有这些信息，并“意识到”他们实际看到的东西，即我的眼睛看到这个带有不同颜色的六边形和五边形的圆形形状......我的大脑说等一下，这是一个足球!
如果还不够清楚，我们可以进一步讨论。我很乐意提供帮助!
关于machine-learning - 我如何解释这个 Inceptionv3 模型图，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51488999/