ResNet-50

---

学习内容：

1. 为什么是50？
2. 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！）

【深度学习】resnet-50网络结构_何顾长安的博客-CSDN博客_resnet-50结构