前面对resnet有了一定了解，主要关注其残差结构，其缓解了梯度消失的问题，是卷积神经网络的一大创举，这周主要学习resnet50v2,其是对resnet的改进。ResNet50V2 是对 ResNet50 的改进版本，它在保留了 ResNet 架构的基本特征的同时，进行了一些改动和优化，以提升模型性能和训练效率。

前面对基础有了详细的了解，已经学会神经网络训练流程，这周对深入网络resnet进行学习。ResNet-50（Residual Network with 50 layers）是一种深度卷积神经网络，由Microsoft Research提出。它是ResNet系列的一部分，具有50个层次，因此得名ResNet-50。ResNet-50是一种非常深的神经网络，通过使用残差块（Residual Block

Inception v3是谷歌研究团队提出的深度卷积神经网络架构，通过引入多尺度的Inception模块和辅助分类器等技术，有效解决了深度网络训练中的梯度消失和模型参数过多的问题。该网络利用不同大小的卷积核并行处理图像信息，结合Batch Normalization和全局平均池化等优化策略，以较少的参数实现了优异的图像分类和识别性能，成为了深度学习图像处理领域的重要里程碑之一。下面分别进行介绍。