ResNet-50

ResNet-50 是深度残差网络系列的代表模型，通过引入残差连接解决了深层网络退化问题，是计算机视觉领域的里程碑式模型。

核心特性

• 残差连接：通过跳跃连接解决深层网络梯度消失问题
• 50 层深度：50 层卷积神经网络的平衡选择
• 迁移学习：广泛用作视觉任务的特征提取 backbone

性能表现

ResNet-50 在 ImageNet 分类任务上达到了当时最先进的性能，Top-5 错误率低于 5%。它至今仍被广泛用作计算机视觉任务的基线模型和特征提取器。

使用方式

import torchvision.models as models

model = models.resnet50(pretrained=True)
model.eval()