问如何处理ResNet50层类型

EN

为了解释清楚，我将使用34层的例子：

• 首先，您有一个卷积层，64个过滤器，内核大小为7x7 (表中的conv1)，然后是最大池层。请注意，在这两种情况下，步长都指定为that =2。
• 接下来，在conv2_x中有前面提到的池层和下面的卷积层。在这里，层通常是成对分组的(更大的体系结构中的三层)，因为残差是如何连接的(每两层的箭头跳跃)。第一个矩阵：\begin{方程}\begin{b矩阵} 3x3，& 64 \x3，& 64结束{b矩阵}*3\end{等式}

这意味着您有两个层的kernel_size = 3x3，num_filters = 64，这些都是重复的x3。这些对应于池、/2和过滤器之间的层128个，总共6层(1对乘以3)。

• 下面是conv3_x：\begin{方程}\begin{b矩阵} 3x3，& 128 \ 3x3，& 128结束{b矩阵}*4\end{等式}

2层kernel_size = 3x3，num_filters =128个，这些也是重复的，但在这一次是4次。图中是下面的8个绿色层。

这种情况一直持续到avg_pooling和softmax。

请注意，除非过滤器大小增加，否则步幅始终为1。在纸中对此进行了讨论：

平原网络:我们的平原基线主要受VGG网理念的启发。卷积层大多采用3×3滤波器，并遵循两个简单的设计规则：(1)对于相同的输出特征映射大小，各层具有相同的滤波器数；(2)如果特征映射的大小减半，则滤波器的数目增加一倍，以保持每层的时间复杂度。残差网络:基线结构与上述平面网相同，期望在每对3×3滤波器中加入一个快捷连接。

这就是为什么每次滤镜数量翻一番的原因，您将看到不同颜色的第一层指定num_filter/2。

我希望这笔记本能帮助你更好地理解。实现在Keras中，所以它是快速掌握的！