在这一节实战中，我们构建了一个简单的识别数字的神经网络，这个网络结构之所以简单，一是因为层数少，二是因为结构是顺序的，没有其他分支结构，表示起来大概就像是：conv -> relu -> conv -> relu -> maxpool -> fc 这种，一层连接着一层，我们称这种神经网络为顺序结构的神经网络，也是最简单的一种结构。
现在介绍一个比较复杂但我认为在计算机视觉领域最重要的一个神经网络，Resnet50。后面所有的算法解析、实战以及调优，也都是基于该神经网络来进行的。
什么是 Resnet50 神经网络
Resnet 是何凯明大神在《Deep Residual Learning for Image Recognition》论文中提出的。Resnet50 网络之所以叫这个名字，是因为这个网络的核心思想，就藏在名字里。Res + net + 50，Res 是 Residual （残差）的缩写，50 指的是整个网络中有 50 个卷积层。
其实 Resnet 有很多系列的神经网络，比如Resnet18, Resnet101等，后面跟的数字代表的是神经网络中的卷积层的数量，基本上可以这么理解：数字越大，卷积层越多，网络的深度越深，神经网络提取的特征越多。
下图是我从网上找到的一个 Resnet 各系列的网络结构图，可以看到在 Resnet50 的那一列中，从第一层到最后一层，总共50个卷积算法，这里把最后一层的
原文地址:https://blog.csdn.net/dongtuoc/article/details/134749358
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_49547.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
