resnet34的网络结构

ResNet-34是一种深度残差网络（Residual Network）结构，由于其具有较高的识别准确率和相对较浅的网络深度，被广泛用于图像分类、目标检测和语义分割等任务。

ResNet-34的网络结构主要由基础块（Basic Block）和瓶颈块（Bottleneck Block）两种模块组成。其中，基础块由两层卷积和一层恒等映射组成，用于学习图像的低层次特征。瓶颈块由三层卷积和一层恒等映射组成，其中中间一层卷积具有较大的卷积核尺寸，用于学习图像的高层次特征。

具体地，ResNet-34的网络结构包含5个阶段（stage），每个阶段由若干个基础块或瓶颈块组成，其中第一个阶段由一层7x7的卷积、一层最大池化和若干个基础块组成，后续4个阶段分别由若干个瓶颈块组成。最后，全局平均池化和全连接层用于分类输出。