ResNet-50是一种预训练模型，已在ImageNet数据库的子集上进行过训练，并赢得了ImageNet大规模视觉识别挑战赛（ILSVRC）2015年的比赛。该模型在100多万张图像上进行训练，共有177层，对应50层剩余网络，可将图像分类为1000个对象类别（例如键盘、鼠标、铅笔和许多动物）。
打开resnet50。mlpkginstall文件，从您的操作系统或MATLAB将启动安装过程，您有。
这个mlpkginstall文件适用于R2017b和更高版本。
用法示例：
%访问经过培训的模型
net=resnet50（）；
%请参阅架构的详细信息
net.Layers
读取要分类的图像
I = imread(“peppers.png”);
%调整图像大小
深圳= net.Layers (1) .InputSize
我=(1:深圳(1),1:深圳(2),1:深圳(3));
%使用Resnet-50对图像进行分类
标签=分类（净，I）
%显示图像和分类结果
数字
imshow（I）
文本(10年,20年,char(标签),“颜色”,“白”)
评论和评级(34）
MATLAB版本兼容性
使用R2017b创建
与R2017b至R2021a兼容
平台的兼容性
窗户 马科斯 Linux类别
标签
您还可以从以下列表中选择网站：
那么matlab 2016呢?
在R2020上安装失败*叹气!
我不能在2021a下载为什么
我不能在matlab2019a版本下载resnet50，为什么?它已经下载，但当我输入并运行命令框使用resnet0命令，它显示DAGNetwork没有属性…有人能回答这个问题吗
无法安装，即使我试图从matlab add on explorer安装。
你好，我正在使用MatlabR2016A。你能把这个工具的副本发给我吗karaklove@yahoo.com非常感谢。
你好，你能展示一下如何计算图像的精度吗
很好！
有人在imagenet验证集上测试过吗？我得到了70%的准确率，比经过预培训的resnet50的keras报告大约低4-5%
我已经下载了这个工具箱，如何安装来制作数据集。
大家好，我目前正在使用这个架构作为我的荣誉项目的一部分，在胸部x光片中分割肺部。然而，我现在遇到的一个主要问题是，这些图像的尺寸是1092 × 1920，而ResNet只能接收224 × 224的图像。有办法解决这个问题吗?
任何帮助或建议将非常感谢!
我需要这个Resnet-50网络Matlab 2016-b。
你能给我建议一些解决办法吗。
azharimran63@gmail.com
能告诉我，我怎样才能得到它的逐层代码吗？
zhangshaungqing谢谢
我使用以下代码成功地训练了resnet网络，没有上述问题。
numClasses =元素个数(类别(imdsTrain.Labels));
lgraph = removeLayers(lgraph， {'fc1000'，'fc1000_softmax'，'ClassificationLayer_fc1000'});
新图层=[
fullyConnectedLayer (numClasses“名称”、“俱乐部”,“WeightLearnRateFactor”,10日BiasLearnRateFactor, 10)
softmaxLayer（'Name'，'softmax'）
classificationLayer('名称',' classoutput '));
lgraph=addLayers（lgraph，newLayers）；
lgraph = connectLayers (lgraph avg_pool, fc);
“我有问题，第12层的输出与第13层预期的输入不兼容。”
是的，我也有这个问题
layersTransfer = net.Layers (1: end-3);
numClasses =元素个数(类别(trainingImages.Labels))
层=[
分层传输
fullyConnectedLayer (numClasses WeightLearnRateFactor, 20日BiasLearnRateFactor, 20)
softmaxLayer
classificationLayer];
netTransfer=列车网络（列车图像、图层、选项）；
不工作，ResNet-50和我有同样的问题，层12是不兼容层13
我曾经使用过ResNet-50，当我尝试从保存的检查点恢复训练时，我遇到了同样的问题，第12层与第13层不兼容
“我有问题，第12层的输出与第13层预期的输入不兼容。”
是的，我也有这个问题
你好,
我正在测试由1560个图像组成的数据集上的resnet 50。我有问题与输出的层12是不兼容的输入预期层13。
如果您能给我一些建议，我将不胜感激
不错的工作!
好!