resnet50网络模型结构

ResNet50是一种深度卷积神经网络模型，其结构如下：

输入层 -> 卷积层(64个3x3的卷积核，步长为1，padding为same) -> 批量归一化层 -> 激活函数层(ReLU) -> 最大池化层(3x3的池化核，步长为2，padding为same)

-> 残差块1：残差模块A -> 残差模块B -> 残差模块C

-> 残差块2：残差模块A -> 残差模块B -> 残差模块C

-> 残差块3：残差模块A -> 残差模块B -> 残差模块C

-> 残差块4：残差模块A -> 残差模块B -> 残差模块C

-> 残差块5：残差模块A -> 残差模块B -> 残差模块C

-> 全局平均池化层 -> 全连接层(1000个神经元) -> 输出层

其中，每个残差块包含三个残差模块A、B、C，每个残差模块的具体结构如下：

-> 残差模块A：卷积层(64个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(64个3x3的卷积核，步长为1，padding为same) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(256个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层

-> 残差模块B：卷积层(64个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(64个3x3的卷积核，步长为1，padding为same) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(256个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层

-> 残差模块C：卷积层(128个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(128个3x3的卷积核，步长为1，padding为same) -> 批量归一化层 -> 激活函数层(ReLU) -> 卷积层(512个1x1的卷积核，步长为1，padding为valid) -> 批量归一化层