resnet34和resnet50参数量

ResNet是深度学习中一种非常常用的卷积神经网络模型，它的主要特点是使用了残差结构（residual block），使得模型可以更加深层次地进行训练。

ResNet34和ResNet50是ResNet系列模型中的两种，它们的主要区别在于网络深度和参数量的不同。具体来说，ResNet34有34层，包含了33个卷积层和1个全连接层，总共有2170万个参数；而ResNet50则有50层，包含了49个卷积层和1个全连接层，总共有2350万个参数。

总体来说，ResNet50比ResNet34更加深层次，所以在训练时需要更多的计算资源和时间，但它也可以更好地提取图像特征，从而获得更好的分类性能。