1. 相比Lenet-5, Alexnet进行了哪些改进？这些改进起到了什么作用？
（1） ReLU代替Sigmoid,深度网络梯度离散；
（2） Dropout随机**，避免过拟合；
（3） 两个CPU并行计算，提高计算效率
2. VGG中为什么采用更小的卷积核？
VGG网络参数数量很多,在深层次中用小卷积核捕捉细节的变化，同时降低了计算量
3. 画出Inception模块的结构图，Googlenet中采用多个Inception模块带来了哪些效果？原因是什么？
效果：减少计算的量，提高运行效率
原因：通过1X1的卷积核进行降维，使得网络结构的参数减少，减少了计算量，提高了系统的运行效率
4. Googlenet中使用3个Softmax解决什么问题？
作为向前传递导数辅助分类器，代替全连接，避免梯度消失
取消输出的全连接，避免梯度消失，增加反向传播梯度信号