YOLO的结构（主干网络、颈部网络和头部网络）

1import tensorflow as tf
2
3base_model = tf.keras.applications.ResNet50(include_top=False,  input_shape=,weights=, pooling='')
4print(base_model.summary())

1. 在 input_shape 参数中传入图像的输入维度，如下所示：

1input_shape=(32, 32, 3),weights=None, pooling='max'

1. 由于我们不使用预训练模型，需将 weights 参数设为 None，如下所示：

1weights=None

1. 为最后一层添加最大池化（max-pooling），如下所示：

1pooling='max'

最终代码应如下所示：

1base_model= tf.keras.applications.ResNet50(include_top=False,input_shape=(32, 32, 3),weights=None, pooling='max')

1. 在 input_shape 参数中传入图像的输入维度，如下所示：

1input_shape=(32, 32, 3),weights=None, pooling='max'

1. 由于我们不使用预训练模型，将 weights 参数设为 None，如下所示：

1weights=None

1. 为最后一层添加最大池化操作，如下所示：

1pooling='max'

最终代码应如下所示：

1base_model= tf.keras.applications.ResNet50(include_top=False,input_shape=(32, 32, 3),weights=None, pooling='max')