作业内容：
1：文字回答：GoogLeNet采用了几个辅助损失？辅助损失函数的权重是多少？为什么要采用辅助损失函数？
在Inception4b和Inception4e增加两个辅助分类层，用于计算辅助损失，对于每种辅助损失，论文中使用的权重值为0.3。作用：loss回传；充当正则约束，迫使中间层特征也能具备分类能力
2：文字回答：Inception模块中有几个分支？分别是哪些操作？Inception模块输出时特征图采用什么方式融合？
4个分支，1）有128个卷积核的1x1卷积 2）进行64个卷积核的1x1卷积，然后192个卷积核的3x3卷积 3）64个卷积核的1x1卷积，96个卷积核的5x5卷积 4）3x3 pool层，64个卷积核的1x1卷积
特征融合：GoogLeNet应用了赫布理论（the Hebbian principle：一起激发的神经元连在一起），Inception将各个分支所生成的特征图按照从左往右将通道加在一起，然后融合输出。其中，每个分支的特征图到紧挨在一起的，这也体现了赫布理论。
3：文字回答：读完该论文，对你的启发点有哪些？
1）池化损失空间分辨率，但在定位、检测和人体姿态中仍应用。即定位、检测和人体姿态识别这些任务十分注重空间分辨率信息
2）增加模型深度和宽度，可有效提升性能，但有两个缺点：容易过拟合，以及计算量过大
3）为节省内存消耗，先将分辨率降低，再堆叠使用Inception module
4）最后一个全连接层，是为了更方便的微调，迁移学习
5）网络中间层特征对于分类也具有判别性
6）学习率下降策略哦为每8个epochs下降4%（loss曲线很平滑）
7）数据增强指导方针：尺寸在8%-100%；2.长宽比在[3/4,4/3]；3.光照畸变有效
8）随机采用差值方法可提升性能
9）实际应用中没必要用144 crops
4：代码实现：从网上找一张图片，执行GoogLeNet，观察top5输出的类别，并将输出结果截图进行打卡。
img: Golden Retriever from baidu.jpg is: golden retriever
207 n02099601 狗, golden retriever
5.文字：本篇论文的学习笔记及总结