ResNet50maxpool

在ResNet50中，并没有使用MaxPool层，而是使用了一种新的池化方式，称为Stride Convolution。Stride Convolution是通过在卷积层中设置步幅来实现的，可以有效地减少特征图的大小。Stride Convolution相对于传统的MaxPool层，具有以下几个优点：

1. Stride Convolution可以学习到更多的特征，因为它使用卷积来进行下采样，而不是使用MaxPool来进行子采样。

2. Stride Convolution可以减少特征图的大小，从而减少计算量和内存占用。

3. Stride Convolution可以避免MaxPool层中的信息丢失，因为MaxPool层只保留了最大值，而Stride Convolution保留了所有信息。

因此，在ResNet50中使用Stride Convolution代替MaxPool层可以提高模型的性能和准确性。