GoogLeNet V1是2014年Christian Szegedy提出的一种全新的深度学习结构模型，结构见下图：
减少参数的数量：
Google net 没有使用全连接层
在网络内加入了Inception模块，见下图： 在Inception模块中先使用1*1卷积处理，后进行其他尺度的卷积处理，使得在效果相同的情况下，模型的参数大大减少。
提高性能：模型也在中间不同层加入了输出，使得模型在训练时提前输出结果（softmax0,softmax1)，最后所有的输出进行汇总得到最终结果。这也同时迫使模型在输出层前将需要的特征提取出来，提高了模型的性能。在使用模型时去掉中间的输出，只将最后的输出结果(softmax2)作为最终结果。
下面是各种模型的大小以及Top-1准确率比较图，其中横轴为模型大小，纵轴为模型的Top-1准确率，越靠近左上角的模型效果越好。
Inception中的max pooling的效果以及使用的性价比我暂时不是太理解，希望大家可以指点迷津。
以上为个人浅显见解，如有错误或者不足之处，请大家多多指教。