纯原创手打图。。全网应该没有哪个图比我这个更详细的了。。嘛，总的来说呢，深度学习最主流的网络结构就是ResNet了，然后在网上一直没有看到特别好的介绍RestNet具体架构，特征图变化的文章，这里就做一些简单的介绍好了。

网络架构图

1 input stem：

在这部分，将由一个7*7的卷积核负责进行特征的抽取，且卷积核的步长为2，所以会使得图像的长宽降低为原先的1/2。随后，再经过一个MaxPool层，进一步降低图像的分辨率；

input stem

2 使用重复残差块提取特征

      在这部分的操作中，其基本思想是，对输入的特征图，使得其通道数扩展为原来的一倍，而长宽都缩减为原先到的1/2。具体而言，每一个阶段都会由一个下采样块和两个残差块构成。其中，下采样会设置最初的卷积步长为2，通过这样的方式进行对特征图的下采样，使得长宽得到缩减。而在残差块中，通过对卷积相关参数的设置，可以控制使得残差块的输入和输出的特征图尺寸一致，从而进行相加处理，避免深层网络的梯度消失和退化问题。

resnet backbone