ResNet101和Aligned-Inception-ResNet都是由几个卷积块

ResNet101和Aligned-Inception-ResNet都是深度残差网络（ResNets）的变种，它们的设计旨在解决深度学习中梯度消失和过拟合的问题。

- ResNet101[^4]，其名称源自它有101层（包括输入和输出层），由多个残差块（residual blocks）组成。每个残差块通常包含两个或三个卷积层，每个卷积层后都有BN层（Batch Normalization）和ReLU激活。

- Aligned-Inception-ResNet[^5]是Inception-v4架构与ResNet结构的融合，它继承了Inception模型中的多尺度特征提取模块（Inception modules）和ResNet中的残差连接。这个模型的具体结构可能会有所不同，但一般也会包含多个Inception模块和残差块，每个模块内部可能包含多个不同大小的卷积层。

具体来说，Inception-ResNet可能不会明确地计数每个卷积块的数量，因为它是由一系列不同类型的模块构成的，而不是连续的卷积层堆叠。每个模块可以视为一个“块”。