大家好，又见面了，我是你们的朋友全栈君。
ResNet18的18层代表的是带有权重的 18层，包括卷积层和全连接层，不包括池化层和BN层。
Resnet论文给出的结构图
结构解析：
-
首先是第一层卷积使用7∗77∗7大小的模板，步长为2，padding为3。之后进行BN，ReLU和maxpool。这些构成了第一部分卷积模块conv1。
-
然后是四个stage，代码中用make_layer()来生成stage，每个stage中有多个模块，每个模块叫做building block，resnet18= [2,2,2,2]，就有8个building block。注意到他有两种模块BasicBlock和Bottleneck。resnet18和resnet34用的是BasicBlock，resnet50及以上用的是Bottleneck。无论BasicBlock还是Bottleneck模块，都用到了shortcut connection连接方式：
-
BasicBlock架构中，主要使用了两个3×3的卷积，然后进行BN，之后的
out += residual这一句在输出上叠加了输入xx（注意到一开始定义了residual = x）class BasicBlock(nn.Module): expansion = 1 def __init__(self, inplanes, planes, stride=1, downsample=None): super(BasicBlock, self).__init__() self.conv1 = conv3x3(inplanes, planes, stride) self.bn1 = nn.BatchNorm2d(planes) self.relu = nn.ReLU(inplace=True) self.conv2 = conv3x3(planes, planes) self.bn2 = nn.BatchNorm2d(planes) self.downsample = downsample self.stride = stride def forward(self, x): residual = x out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out = self.conv2(out) out = self.bn2(out) if self.downsample is not None: residual = self.downsample(x) out += residual out = self.relu(out) return out -
Bottleneck模块使用1×1，3×3，1×1的卷积模板，使用Bottleneck结构可以减少网络参数数量。他首先用1×1卷积将通道数缩减为一半，3×3卷积维持通道数不变，1×1卷积将通道数放大为4倍。则总体来看，经过这个模块后通道数变为两倍。
class Bottleneck(nn.Module): expansion = 4 def __init__(self, inplanes, planes, stride=1, downsample=None): super(Bottleneck, self).__init__() self.conv1 = nn.Conv2d(inplanes, planes, kernel_size=1, bias=False) self.bn1 = nn.BatchNorm2d(planes) self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=stride, padding=1, bias=False) self.bn2 = nn.BatchNorm2d(planes) self.conv3 = nn.Conv2d(planes, planes * 4, kernel_size=1, bias=False) self.bn3 = nn.BatchNorm2d(planes * 4) self.relu = nn.ReLU(inplace=True) self.downsample = downsample self.stride = stride def forward(self, x): residual = x out = self.conv1(x) out = self.bn1(out) out = self.relu(out) out = self.conv2(out) out = self.bn2(out) out = self.relu(out) out = self.conv3(out) out = self.bn3(out) if self.downsample is not None: residual = self.downsample(x) out += residual out = self.relu(out) return out
-
-
最后是avgpool和一个全连接层，映射到1000维上（因为ImageNet有1000个类别）。
结构图和更多细节：
参考https://www.jianshu.com/p/085f4c8256f1
https://blog.csdn.net/weixin_40548136/article/details/88820996
resnet18
resnet50
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/141208.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...
