tensorflow实现resnet

先学习下如何自己完成一个resnet网络用于cifar100训练，后面在使用迁移学习训练。
如果不知道resnet具体的网络结构可以自己学习下，这里只进行实现。

1. BasicBlock实现

BasicBlock首先是继承layer.Layer

class BasicBlock(layers.Layer):

然后重写里面的init和call方法。
1)先在init定义Basic中的基础操作，由上图我们知道，就是两个Conv2D，如果第1个conv下采样了,第二个就不进行下采样。
这里的下采样指的是stride不等于1的情况。这里每个conv后，有个batchnormal操作，bn操作是会训练一个α和β参数的，
如果不是要共享权值，最好定义两个self.bn{$(num)}。relu层是没有训练的参数的，可以使用相同的，但是为了可以
更清晰的了解网络结构，建议分别定义。

def __init__(self,filter_num,stride):
        super(BasicBlock,self).__init__()

        self.conv1=layers.Conv2D(filter_num,kernel_size=(3,3),strides=stride,padding='same')
        self.bn1=layers.BatchNormalization()
        self.relu1=layers.Activation('relu')

        self.cov2=layers.Conv2D(filter_num,kernel_size=(3,3),strides=1,padding='same')
        self.bn2=layers.BatchNormalization()
        self.relu2=layers.Activation('relu')

        if stride % 2 != 0:
            self.downsample=lambda x:x
        else:
            self.downsample=Sequential()