请问利用各种卷积模型等等对现有深度学习模型的训练过程的改进是怎么进行的

请问利用各种卷积模型等等对现有深度学习模型的训练过程的改进是怎么进行的，在哪一部分做了什么，具体到代码部分如何实现

深度卷积神经网络及各种改进_我是天才很好的博客-CSDN博客_卷积神经网络改进 文章目录1、残差网络2、不同大小卷积核并行卷积3、利用(1,x),(x,1)卷积代替(x,x)卷积4、采用瓶颈(Bottleneck)结构5、深度可分离卷积6、改进版深度可分离卷积+残差网络7、倒转残差(Inverted residuals)结构8、并行空洞卷积1、残差网络这个网络主要源自于Resnet网络，其作用是：将靠前若干层的某一层数据输出直接跳过多层引入到后面数据层的输入部分。意味着后面的特征层的内容会有一部分由其前面的某一层线性贡献。实验表明，残差网络更容易优化，并且能够通过增加相当的深 https://blog.csdn.net/weixin_43593330/article/details/107892974