ResNet-101

ResNet-101是一种深度残差网络，具有101个卷积层。它是在ResNet-18的基础上进一步扩展而来的，用于解决更复杂的图像分类和目标检测任务。\[1\]由于ResNet-101具有较多的层数，传统的训练方法可能会非常耗时，因此可以采用迁移学习的方法来加快训练速度。\[1\]迁移学习是指在预训练模型的基础上，通过微调模型参数来适应新的任务。\[2\]对于ResNet-101，可以使用预训练模型作为初始参数，然后根据自己的任务进行微调。\[2\]\[3\]在微调过程中，可以去掉原ResNet-101后面的全局平均池化和全连接层，然后添加自定义的全连接层进行新的分类任务。\[3\]通过这种方式，可以快速实现对原始图像的分类和预测，并且在花数据集上达到高精确度。
#### 引用[.reference_title]
- *1* *2* *3* [TensorFlow2迁移学习实战（九）：搭建残差网络ResNet-101，实现对花的精准分类](https://blog.csdn.net/wjinjie/article/details/105665214)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]