ResNet的bottlenet编写以及网络层数的理解

1、ResNet残差网络的bottlenet结构

代码编写如下：

    regul  = regularizers.l2(l2)
        optim  = Adam(lr=lr)
        kwargs = {'padding':'same', 'kernel_regularizer':regul}
bottlenet：
        def subblock(x, filter, **kwargs):
            x = BatchNormalization()(x)
            y = x
            y = Conv2D(filter, (1, 1), activation='relu', **kwargs)(y) # 减少特征数量
            y = BatchNormalization()(y)
            y = Conv2D(filter, (3, 3), activation='relu', **kwargs)(y) # 扩展特征域
            y = BatchNormalization()(y)
            y = Conv2D(K.int_shape(x)[-1], (1, 1), **kwargs)(y) # 无激活函数 # 恢复原始特征的数量
            y = Add()([x,y]) # Add the bypass connection
            y = Activation('relu')(y)
            return y

当然还有conv block如下图：

2、网络层数
我们所说的网络层数，主要指的是Conv的层和fc全连接层，如下图的VGG19网络