Inceptionv3和inceptionv2的里面的inception块有什么变化

Inceptionv2 和 Inceptionv3 都是基于 Inception 架构的深度卷积神经网络，其中 Inception 模块是它们的核心组件。

Inceptionv2 中的 Inception 模块与 Inceptionv1 中的模块类似，但是引入了一些新的特性。Inceptionv2 中的 Inception 模块使用了 1x1、3x3 和 5x5 的卷积核，并且在每个分支后面都加入了一个 Batch Normalization 层。此外，Inceptionv2 中还引入了一个叫做“纵向分解”的技术，即将一个大的卷积核分解成多个小的卷积核，以减少模型中参数的数量。这些变化让 Inceptionv2 在精度和计算效率方面有了一定的提升。

Inceptionv3 中的 Inception 模块进一步增强了 Inceptionv2 中的特性。Inceptionv3 中的 Inception 模块采用了“多尺度分辨率”策略，即对输入进行不同尺度的卷积操作，以提取更多的特征信息。此外，Inceptionv3 中进一步引入了“因果扩张”卷积和“平面卷积”等新技术，以进一步提高模型的精度和计算效率。

总的来说，Inceptionv2 和 Inceptionv3 在 Inception 模块上都有不同的优化点，这些优化点都是为了提高模型的精度和计算效率。