resnet_v1_50源码的理解与分析

最新推荐文章于 2024-10-07 20:48:27 发布

Huang_Fj

最新推荐文章于 2024-10-07 20:48:27 发布

阅读量3.3k

点赞数 5

分类专栏： TensorFlow python 文章标签： Resnet50 程序源代码深度学习

本文链接：https://blog.csdn.net/Huang_Fj/article/details/100575180

版权

本文详细分析了TensorFlow中resnet_v1_50的源码，包括用法、网络结构和关键函数。重点解释了Block、bottleneck和unit的含义，以及如何通过`resnet_utils.stack_blocks_dense`构建ResNet50的主体架构。

摘要由CSDN通过智能技术生成

源代码链接：
https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_utils.py
https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_v1.py

1、TensorFlow中resnet_v1_50的用法

首先总结一下用法，源码中resnet_v1_50的参数如下:

def resnet_v1_50(inputs,
                 num_classes=None,
                 is_training=True,
                 global_pool=True,
                 output_stride=None,
                 spatial_squeeze=True,
                 store_non_strided_activations=False,
                 min_base_depth=8,
                 depth_multiplier=1,
                 reuse=None,
                 scope='resnet_v1_50'):

其中：

input：训练集，其格式为[batch, height_in, width_in, channels]
num_classes：样本的种类别数，用于定义出上层的节点个数。如果为“None”的话，其最终输出的应该是[batch,1,1,2048]，若“spatial_stride=True”，则其最终输出为[batch,2048]
is_training：是否在训练模型中加入“Batch_Norm”层
global_pool：该层位于整个网络结构之后，位于“num_classes”之前。为“True”则表示对于网络最后一个“net”层的输出结果做一个全局的average pooling。所谓全局池化就是池化的stride等于输入的size，得到一个标量。
spatial_squeeze：将列表中维度等于1的维度去掉，如spatial_squeeze([B,1,1,C])