王权富贵：

GooLeNet的详细理解可以参考这篇文章，文章详细的说明了V1-V4之间的变化。

GooLeNetV1提出了InceptionV1模块，1*1，3*3，5*5这些卷积最后的合并是深度相加。大卷积如3*3，5*5前面有一个1*1卷积，这个1*1卷积是用来做数据压缩的，减少特征的深度。

后续版本GooLeNetV2，V3都是在Inception模块的基础上提出替代3*3，5*5大卷积的方法，来减少计算的工作量。

采用卷积分解的方法将任意nxn的卷积都可以通过1xn卷积后接nx1卷积来替代。缺点是GoogLeNet团队发现在网络的前期使用这种分解效果并不好，在中度大小的特征图（feature map）上使用效果才会更好（特征图大小建议在12到20之间）。

InceptionV2的模块变化如下：

在GoogLeNetV4中将原来的V3模型配合上残差网络ResNet，融合最后的InceptionV4的模块变化如下：