????????本文作為下一篇文章（實現 DeepLab V3+ 語義分割模型）的前傳，旨在用 Pytorch 實現 Xeption 分類模型。作為語義分割模型 DeepLab V3+ 的特征提取器，這里實現的 Xception 和論文中的模型在結構上有一些差別，具體為：
- 全卷積，所有最大池化層都被步幅為 2 的可分離卷積替代
- 加入了更多的批標準化（Batch Normalization）
????????本文實現的 Xception 模型完全參照了其官方的 TensorFlow 實現（官方實現），甚至可以說就是簡單的翻譯。另外，為了便于使用，以及不需要耗費時間在 ImageNet 上訓練就能得到預訓練參數，我們還提供了用于直接將 TensorFlow 的預訓練參數轉化為 Pytorch 參數的代碼。
????????本文的所有代碼見 GitHub: Xception，使用方式也已附在上面。
【參考】
從 TensorFlow 轉化預訓練參數參考了 EfficientNet-PyTorch 這個項目，具體文件為：load_tf_weights.py。
