跟李沐学AI：NiN网络中的网络

NiN块

一个卷积层后跟着两个全连接层（实际为核窗口大小为1x1的卷积层）。卷积层步幅为1，无填充，输出形状与卷积层输出形状相同，起到全连接层的作用。

NiN架构

无全连接层，交替使用NiN块和步幅为2的最大池化层（使高宽减半，通道数翻倍）。最后使用全局平均池化层得到输出，全局池化层的输入通道数是类别数。

NiN总结

NiN块使用卷积层加两个1x1的卷积层，后者对每个像素增加了非线性性。NiN使用全局平均池化层来替代VGG和AlexNet中的全连接层，使得不容易过拟合，参数个数减少。