Inception-v1
Inception-v1就是众人所熟知的GoogLeNet，它夺得了2014年ImageNet竞赛的冠军
这是inception-v1的原始版本，采用了1x1、3x3、5x5以及最大池化，并最终将这些输出在通道方向上拼接起来：
为了降低计算量，在进行卷积计算时，先通过1x1卷积减少通道数，于是有了下面的版本：
同时，采用Global Average Pooling层替换FC层，每一幅特征图的所有特征求平均得到一个输出神经元，如图所示：
Inception-v2
在Inception-v2网络，作者引入了BN层，所以Inception-v2其实是BN-Inception
Inception-v3
Inception-v3引入的核心理念是“因子化”（Factorization），主要是将一些较大的卷积分解成几个较小的卷积。例如将5x5卷积分解为两个3x3的卷积，如下图：
另外的一个因子化，是将nxn的卷积分解成1xn和nx1卷积，因此有了B版本：
但是作者在实际中发现这种结构不适合较小的卷积层，只适合中等大小的卷积（对于mxm大小的特征m的值在12-20之间），因此作者提出了Inceptionmo模块C，其特点是卷积组被扩展以产生更多不一样的特征：
