没有在深度和逐点卷积（depthwise and pointwise）使用批量标准化（BN）和激活

，因为XCeption论文似乎表明这样做会导致这种类型的体系结构的准确性降低。同时，这样还具有减小网络规模的好处。

使用了ELU而不是ReLU

。与SqueezeNet实验一样，激活函数使用ELU比ReLU提供了卓越的收敛速度和最终精度。

没有使用PELU

。虽然这种方法不错，但只要我们尝试使用它，这个激活函数似乎就会陷入二元状态，网络准确性不会逐步提高，而是从一批到下一批在~0％到100％之间交替。目前还不清楚为什么会发生这种情况。

• 直播预告 | 埃森哲企业数字化转型论坛·两化融合深度行
• 【深度长文】规模大赚钱就是好公司？政府要推动最基础的大国重器
• 当众人夺路而跑时，不跟随——投资高手们的深度思考
• 新疆喀什伽师县发生5.5级地震 震源深度8千米
• 台湾花莲发生4.3级地震 震源深度17.7公里
• 亲人不睦，家必败！（深度好文）
• “将有温度有深度有力度的中国故事讲给非洲受众”
• 穷人在抢房，富人在抢命！（深度好文）
• 世上没有一种生气是值得的（深度好文）
• 有多少人毁在了这句话上！（深度好文）