ResNet 的所有结构如下图所示：
可以看到根据层数 num_layers 的不同，网络的具体配置也不同:
- Block 的类型不同：18-layer 和 34-layer 的 Block 类型相同，50-layer、101-layer 和 152-layer 的类型相同。这里的 Block 指的是上图中括号内的内容
- Layer 内 Block 的重复数量不同
这些具体的配置都被存在下面这个字典中：
# Specification
resnet_spec = {18: ('basic_block', [2, 2, 2, 2], [64, 64, 128, 256, 512]),
34: ('basic_block', [3, 4, 6, 3], [64, 64, 128, 256, 512]),
50: ('bottle_neck', [3, 4, 6, 3], [64, 256, 512, 1024, 2048]),
101: ('bottle_neck', [3, 4, 23, 3], [64, 256, 512, 1024, 2048]),
152: ('bottle_neck', [3, 8, 36, 3], [64, 256, 512, 1024, 2048])}这个字典的 key 是 num_layers，返回的依次是 Block 类型，具体每层 Layer 的 Block 重复次数，每层 Layer 的 Out Channel 数目。之所以 Channel 数有 5 个而 Layer 只有 4 个，是因为在 Layer 1 之前，其实还有 Conv + ReLU + BN（也就是上图中的 conv1 部分），我习惯把这个叫作 Layer 0.
因此，get_resnet 这个 ResNet 的 Constructor 函数，只能构造上面 resnet_spec 这个字典里配置好的网络结构。这个函数就是根据 resnet_spec 返回的配置，调用 ResNetV2 这样的 ResNet 类构造网络。如果要用其他新的配置，则不能用 get_resnet 函数，而是需要自己直接调用 ResNetV2 或 ResNetV1b 类，就像 resnet50_v1s 那样。
- 用
ResNetV1b这样的网络的
以 resnet50_v1s 作为例子，resnet50_v1s 是 ResNetV1b 类的具体化。按照 Net -> Body/Head -> Layer -> Block -> Operator 这样的层级结构，一个 Layer 包含多个 Block，且负责 Subsampling。resnet50_v1s 包含 4 个 Layer，每个 Layer 依次包含 3、4、6、3 个 Block。其中，每个 Layer 的第一个 Block 负责 Subsampling，具体是由中间 Stride = 2 的 3 x 3 的 Conv Operator 完成。
Block BottleneckV1b 的具体结构如下图所示：
Layer 的具体结构如下图所示：
因此，整个 resnet50_v1s 在 deep_stem=False 时的网络结构，简单的示意图如下：
ResNet 以 ResNetV1b 类为例，具体各种各样的 ResNet 是由以下几个因素决定：
- Block 类型：
BottleneckV1b还是其他 Block 类型 - Layer：有多少个 Layer，其中具体某个 Layer 含有多少个 Block，由
ResNetV1b中的layers参数控制，比如resnet50_v1s的layers就是[3, 4, 6, 3] deep_stem：是否用多个3 x 3的 filter 代替像7 x 7这样的大 filter
resnet50_v1s 整个网络结构：
这个 50-layer 是怎么算的呢？是一个 Conv 或者 FC 算作一个 Layer，1 + 3 * （3 + 4 + 6 +3） + 1 = 50