论文：
Inception[V2]: Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
https://arxiv.org/abs/1502.03167
Inception v2的网络，代表作为加入了BN（Batch Normalization）层，并且使用2个3*3替代1个5*5卷积的改进googleNet。
相对一Inception v1改进：
1.加入了BN层，减少了InternalCovariate Shift（内部神经元的数据分布发生变化），使每一层的输出都规范化到一个N(0, 1)的高斯，从而增加了模型的鲁棒性，可以以更大的学习速率训练，收敛更快，初始化操作更加随意，同时作为一种正则化技术，可以减少dropout层的使用。
2.学习VGG用2个3x3的conv替代5x5的conv，在降低参数的同时建立了更多的非线性变换，使得 CNN 对特征的学习能力更强
参考：