这一段时间撸了几篇论文，当我撸到GoogLeNet系列论文的时候，真是脑洞大开！GoogLeNet绝对可以称为已公开神经网络的复杂度之王！每当我看到它那错综复杂的网络图时，心里总有一种说不出的苦涩滋味，我也不知为何。
然后，我萌生了一个想法，用自己的语言描述一下GoogLeNet的发展历程和关键技术点，我知道网上已经有很多人总结过GoogLeNet的各种版本，但那毕竟是别人的东西，自己总结一遍会提升自己的水平。计划是写4篇文章，希望能在一个月内完成吧。下面是GoogLeNet的4篇论文：
- [v1] Going Deeper with Convolutions，ensemble top5 error 6.67%，2014
- [v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift，ensemble top5 error 4.8%，2015
- [v3] Rethinking the Inception Architecture for Computer Vision，ensemble top5 error 3.5%，2015
- [v4] Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning，ensemble top5 error 3.08%，2016
v4版本top5错误率只有3.08%！这个应该是目前错误率最低的吧。
不过有时候自己也会萌生一些悲观想法，现在深度学习的网络是越做越复杂，针对某些数据集的识别率是越来越高，可是，然并卵，当我们换个数据集，换个环境，换个照片，换个……以后，效果就不行了，这真是个问题啊！
已完工：
GoogLeNet的心路历程（二）
GoogLeNet的心路历程（三）
GoogLeNet的心路历程（四）
GoogLeNet的心路历程（五）
