ResNet-50：深度残差网络的工业级标准

ResNet-50 是深度学习领域最具里程碑意义的架构之一，它通过创新的Bottleneck设计和残差连接，在保持合理计算成本的同时实现了卓越的性能。作为计算机视觉任务的黄金标准骨干网络，ResNet-50在工业界和学术界都得到了广泛应用。

一、架构创新与核心设计

1. Bottleneck结构解析

class Bottleneck(nn.Module):
    expansion = 4  # 输出通道扩展系数
    
    def __init__(self, in_channels, out_channels, stride=1):
        super().__init__()
        # 1. 降维卷积层 (1×1卷积)
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=1, bias=False)
        self.bn1 = nn.BatchNorm2d(out_channels)
        
        # 2. 核心卷积层 (3×3卷积)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, 
                              stride=stride, padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(out_channels)
        
        # 3. 升维卷积层 (1×1卷积)
        self.conv3 = nn.Conv2d(out_