googlenet实验结果

GoogleNet是2014年ImageNet竞赛的冠军，它采用了Inception模块，可以在不增加参数数量的情况下提高模型的深度和宽度，从而提高模型的性能。下面是GoogleNet实验结果的分析:

1. Top-5错误率：GoogleNet在ImageNet数据集上取得了6.7%的Top-5错误率，这是当时最好的结果之一。

2. 模型复杂度：GoogleNet共有22层，参数数量为600万。相比之下，之前的深度模型VGGNet有16层，参数数量为1.4亿。因此，GoogleNet相对于VGGNet来说模型复杂度更小，但性能更好。

3. 训练时间：GoogleNet的训练时间比之前的模型要快，主要是因为采用了Inception模块，减少了模型参数的数量。GoogleNet的训练时间大约为1周左右。

4. 应用场景：GoogleNet的应用场景主要是图像分类和物体识别。由于模型精度高、模型复杂度相对较小、训练时间较短，因此GoogleNet在实际应用中具有较高的实用性。

综上所述，GoogleNet的实验结果表明，采用Inception模块可以提高模型的性能，降低模型的复杂度和训练时间，适用于图像分类和物体识别等应用场景。