Keras实现了ResNet残差网络的一种实现方式（如版本）

ResNet的架构共包含五种类型，其初始部分均设置有一层卷积操作与一个最大池化层，随后依次为四层结构，最终通过全连接层完成输出。

这五种网络之间的主要区别体现在卷积核的数量以及各层结构的配置上。其中，resnet18与resnet34采用的是基础结构，具体表现为使用3x3大小的卷积核；而resnet50、resnet101以及resnet152则引入了bottleneck结构，同时不同型号的网络在block数量上也存在差异。

在代码结构中，基础模块均采用卷积操作与批量归一化技术相结合的方式进行设计，并在后续连接ReLU激活函数。针对shortcut路径，其主要作用在于解决输入x与输出f(x)之间维度不匹配的问题，当通道数存在差异时，会通过1x1卷积对输入x的通道数进行调整。关于卷积核的尺寸设置，仅第一层采用7x7的尺寸，其余部分统一使用3x3的卷积核。此外，在basic_block与bottleneck模块内部，所使用的卷积核尺寸均为固定值。

 from keras.layers import *

    
 from keras.models import Input