返回OCT图像分类
1.resnet简介
18是简化版
34是18翻个倍
50是34的加bottleneck版，实际没变
101是在50的基础上加厚第四层的卷积块
152是在50的基础上加厚第三层和第四层的卷积块
至于为什么是这些数字，18和34应该是为了对标VGGNet
参考资料：
PyTorch源码解读之torchvision.models
2.可视化
深度学习7：TensorBoard使用方法
python学习笔记之tensorboard绘制结构曲线分析各参数
参考文献：
使用pytorch做Resnet迁移学习实现图像分类（完整流程）
