学习目标

给定一张图像(猫、狗、飞机、汽车等等)，判断图像所属的类别。

数据集准备与加载

使用download接口下载并解压。

构建网络

构建残差网络结构，然后通过堆叠残差网络来构建ResNet50网络。

1.构建残差网络结构

定义残差网络的基本单元（Building Block或Bottleneck），包括主分支的卷积操作、shortcuts的连接方式以及，ReLU激活函数。

说明：

残差网络结构主要由两种，一种是Building Block，适用于较浅的ResNet网络；另一种是Bottleneck，适用于层数较深的ResNet网络。

残差网络由两个分支构成：一个主分支，一个shortcuts。主分支通过堆叠一系列的卷积操作得到，shotcuts从输入直接到输出。

2.构建ResNet50网络

使用定义好的残差网络单元，堆叠成完整的ResNet50网络。设置输入图像的尺寸、各层的卷积核大小、步长等参数，确保网络结构正确。

模型训练与评估

1.调用resnet50构造ResNet50模型，并设置pretrained参数为True，将会自动下载ResNet50预训练模型，并加载预训练模型中的参数到网络中。

2.定义优化器和损失函数，逐个epoch打印训练的损失值和评估精度，并保存评估精度最高的ckpt文件。

注意事项：由于CIFAR-10数据集只有10个类别，而预训练模型的全连接层输出大小为1000，在使用该数据集进行训练时，需要将加载好预训练权重的模型全连接层输出大小重置为10。

可视化模型预测

1.定义可视化函数：定义visualize_model函数，使用训练好的模型对数据集进行预测，并将预测结果可视化。

2.预测与可视化：若预测字体颜色为蓝色表示为预测正确，预测字体颜色为红色则表示预测错误。