为了解释清楚，我将使用 34 层的示例：

• 首先，您有一个具有 64 个过滤器和 7x7 内核大小的卷积层（表中的conv1），然后是一个最大池化层。请注意，在这两种情况下，步幅都指定为stride = 2。

• 接下来，在conv2_x中，您有提到的池化层和以下卷积层。在这里，这些层通常成对分组（更大架构中的三重奏），因为残差是如何连接的（箭头每两层跳跃）。第一个矩阵：

  $$\begin{equation}\begin{bmatrix} 3x3, & 64 \\ 3x3, & 64 \end{bmatrix}*3\end{equation}$$

意味着您有 2 层 kernel_size = 3x3，num_filters = 64，这些层重复 x3。这些对应于 pool,/2 和过滤器 128 个之间的层，总共 6 层（一对乘以 3）。

• 接下来，我们有conv3_x：

  $$\begin{equation}\begin{bmatrix} 3x3, & 128 \\ 3x3, & 128 \end{bmatrix}*4\end{equation}$$

2 层 kernel_size = 3x3，num_filters = 128，这些也重复，但这次是 4 次。这些是图中以下 8 个绿色层。

这一直持续到 avg_pooling 和 softmax。

请注意，除非过滤器大小增加，否则步幅始终为 1。论文中对此进行了讨论：

普通网络：我们的普通基线主要受到 VGG 网络哲学的启发。卷积层大多具有 3×3 的过滤器，并遵循两个简单的设计规则：（i）对于相同的输出特征图大小，层具有相同数量的过滤器；(ii) 如果特征图大小减半，则过滤器的数量加倍，以保持每层的时间复杂度。我们直接通过步长为 2 的卷积层执行下采样。

Residual Networks：基线架构与上述普通网络相同，期望在每对 3×3 过滤器中添加一个快捷连接。

这就是为什么每次过滤器数量增加一倍时，您会看到不同颜色的第一层指定num_filters/2。

您的示例不是指卷积层，而是指创建残差块的卷积层堆栈。

根据原始论文中的表 1，这里是一个带有一些符号的示例残差块：

$[{\text{N x N, C}_1\atop\text{M x M, C}_2}] \text{ x L}$

• $\text{N x N}$和$\text{M x M}$指定该层中使用的内核的大小。在论文中，作者称它们为过滤器。
• $\text{C}_1$和$\text{C}_2$指的是该卷积层中的通道数。
• $\text{L}$是该块对该残差层重复的次数。

祝你好运，希望这会有帮助！

我希望这个笔记本能帮助你更好地理解。实施在 Keras 中，因此可以快速掌握！