1.3.8 InceptionV3
1.3.8 inceptionv3
一般的卷积层只是一味增加卷积层的深度，但是在单层上卷积核却只有一种，这样特征提取的功能可能就比较弱。google增加单层卷积层的宽度，即在单层卷积层上使用不同尺度的卷积核，他们构建了inception这个基本单元。基本的inception中有1x1卷积核、3x3卷积核、5x5卷积核，还有一个3x3下采样，从而产生了inceptionv1模型，如图1-23所示。inceptionv3的改进是使用了2层3x3的小卷积核替代了5x5卷积核。《web安全之深度学习实战》一书中在识别webshell时，也用到了类似的思路，使用大小分别为3、4和5的一维卷积处理php的opcode序列，效果也非常不错。
一般的卷积层只是一味增加卷积层的深度，但是在单层上卷积核却只有一种，这样特征提取的功能可能就比较弱。google增加单层卷积层的宽度，即在单层卷积层上使用不同尺度的卷积核，他们构建了inception这个基本单元。基本的inception中有1x1卷积核、3x3卷积核、5x5卷积核，还有一个3x3下采样，从而产生了inceptionv1模型，如图1-23所示。inceptionv3的改进是使用了2层3x3的小卷积核替代了5x5卷积核。《web安全之深度学习实战》一书中在识别webshell时，也用到了类似的思路，使用大小分别为3、4和5的一维卷积处理php的opcode序列，效果也非常不错。