总体的流程如图：
这不是真正的跳跃，而是把原先的a值拿来求激活函数。
Inception network 算法
其实是谷歌的一个卷积算法 googleNet，这个算法真的比较负责，当然他的深度可以很深，也可以通过增加卷积的conv2的层次，识别一张图片里的多个事物；首先，我们先来一张图：
Previous layer是前一层 激活函数之后的
然后进行conv2或者pool进行，然后把各个层的卷积组成一个大的卷积。
有辅助卷积是可以识别出更多的物体。
FaceNet算法 是人物识别
人物识别通常可用于监控，或者关卡或者上班的脸谱识别，通过卷积然后根据卷积后的CF后的特征计算误差；通常会需要某个人物的十多张图片作为训练，然后再找其他的图片作为对比。
自己本人图片的计算误差小于等于跟他人图片的误差
这里只是作为学习的一个总结,具体实现要leNet-5,googleNet,inception Network, faceNet等关键词去githup搜索相应的开源代码去研究；这些都是开源出来的，至少你可以查到他的论文，不过几乎都是英文。这才原汁原味。
参考：吴恩达视频教程