ResNet-18/34/50/101/152
论文Deep Residual Learning for Image Recognition实现了一种新的网络结构 - 残差学习框架。通过堆叠残差单元，能够实现非常深的网络模型
下面使用PyTorch实现ResNet -18/34/50/101/152
模型概述
完整的ResNet-18/34/50/101/152模型参数如下表所示：
残差单元共分为4个模块，每个模块有数量不等的残差单元，在conv3_1/conv4_1/conv5_1的卷积操作中执行空间尺寸减半
BasicBlock
ResNet-18/34使用两层网络的残差单元，每层卷积核大小为\(3\times 3\)
Bottleneck
ResNet-50/101/152使用三层网络的残差单元，其卷积核大小依次为\(1\times 1\)、\(3\times 3\)、\(1\times 1\)
PyTorch
PyTorch提供了ResNet的实现 - resnet.py将其解析成多个文件，参考：zjZSTU/ResNet
Appendix
