学习内容:
- 为什么是50?
- 模型网络结构
学习产出:
笔记1:
ResNet-50和ResNet-18只是网络层数不同,都是由四个残差块组成
笔记2:
conv2d函数参数(
1、函数的位置参数filters
这是第一个参数,位置是固定的,含义是过滤器个数,或者叫卷积核个数,这个与卷积后的输出通道数一样,比如下面filters为5的时候,卷积输出的通道数(最后一位)就是5
2、函数的第二个位置参数 kernel_size
卷积核尺寸,一般为3×3,或者5×5,此处用2个整数的元组或列表表示,比如(3,3),[5,5],如果height, width长宽一样,直接用一个整数表示就行,比如3或者5,卷积后的,卷积后的height,width的计算公式如下:滑动步长为strides,卷积核的尺寸为S,输入的尺寸为P,padding = ‘valid“
height =width = (P-S)/strides +1。(向上取整)
3、关键字参数strides=(1, 1),滑动步长。
4、关键字参数padding = “valid”,默认是边缘不填充,
此处只有两个取值,另一个取值为 “same”,表示边缘用0填充,如果padding =“same”,则输出的形状为 height =width = P/strides ,向上取整
后面的参数详解见:CNN卷积函数Conv2D()各参数的含义及用法_园游会的魔法糖的博客-CSDN博客_conv2d参数解释)
详情网络结构见:(博主写的很好!!评论区有博主的错误修正!)