resnet50有几个stage

ResNet-50是一种深度卷积神经网络，它由多个阶段（stage）组成。具体来说，ResNet-50有4个阶段。每个阶段包含一系列的卷积层和残差块（residual block），用于提取图像特征。以下是ResNet-50的阶段划分：
1. 第一阶段：该阶段包含一个7x7的卷积层，后面跟着一个最大池化层。这个阶段用于对输入图像进行初步的特征提取。
2. 第二阶段：该阶段包含4个残差块，每个残差块内部有若干卷积层。这些残差块有助于学习更加复杂的特征。
3. 第三阶段：该阶段也包含4个残差块，结构与第二阶段相似。这些残差块进一步提取图像中的高级特征。
4. 第四阶段：该阶段包含3个残差块，同样用于提取高级特征。最后，通过全局平均池化层将特征图转换为向量表示，并连接一个全连接层进行分类。