resnet50的步长等参数

ResNet50是一种深度卷积神经网络，由50个卷积层组成，它的主要特点是使用了残差模块来解决深度网络训练中的梯度消失问题。下面是ResNet50中卷积层的步长等参数的介绍：

1. 卷积层1：输入图像的大小为224x224x3，使用步长为2的卷积核，得到112x112x64的输出特征图。
2. 残差块1-3：每个残差块由两个3x3的卷积层组成，其中第一个卷积层的步长为1，第二个卷积层的步长为2。每个残差块的输出特征图大小都是输入特征图大小的一半。
3. 残差块4-6：每个残差块由三个3x3的卷积层组成，其中第一个卷积层的步长为1，后两个卷积层的步长都为2。每个残差块的输出特征图大小都是输入特征图大小的一半。
4. 残差块7-12：每个残差块由四个3x3的卷积层组成，其中第一个卷积层的步长为1，后三个卷积层的步长都为2。每个残差块的输出特征图大小都是输入特征图大小的一半。
5. 残差块13-14：每个残差块由三个3x3的卷积层组成，其中第一个卷积层的步长为1，后两个卷积层的步长都为2。每个残差块的输出特征图大小都是输入特征图大小的一半。
6. 全局平均池化层：对最后一个残差块输出的特征图进行全局平均池化，得到1x1x2048的特征向量。
7. 全连接层：将全局平均池化层得到的特征向量输入到一个全连接层中进行分类。