基于ResNet50网络的简单垃圾分类网络

前言：

偶然看到一个垃圾分类的文章，感觉很有趣，利用作者开源的数据集训练一个用于垃圾分类的ResNet50网络，回顾一下网络结构熟悉迁移学习的思想。

原始文章：How to build an image classifier for waste sorting link

有一点区别：原文用的是ResNet34，博主这里用的是ResNet50，基础结构不同。

ResNet50的结构：
ResNet50是由大量的bottleNeck block组成的，然后根据shortcut分支也叫skip-connect分支上有无卷积操作分为identityBlock，convBlock，当然你也可以叫别的名字只要清楚他们的区别就行。
ResNet50的四个block分布情况：
（1）3 一个convBlock + 两个identityBlock （convBlock的strides=1）
（2）4 一个convBlock + 三个identityBlock （convBlock的strides=2）
（3）6 一个convBlock + 五个identityBlock （convBlock的strides=2）
（4）3 一个convBlock + 两个个identityBlock （convBlock的strides=2）

小细节：当convBlock的strides=1时，经过该block的featuremaps尺寸不变，strides=2时变为w，h各为输入的一半
关于convBlock以及identityBlock的具体实现可以参考我的另一篇文章：https://blog.csdn.net/zshluckydogs/article/details/100588677
这篇文章中给出了基于keras的实现。
数据