上图为“Deep Residual Learning for Image Recognition”原文内的resnet网络结构图，resnet50如图第三列所示。
如上图所示，ResNet分为5个stage（阶段），其中Stage 0的结构比较简单，可以视其为对INPUT的预处理，后4个Stage都由Bottleneck组成，结构较为相似。Stage 1包含3个Bottleneck，剩下的3个stage分别包括4、6、3个Bottleneck。
Stage 0
(3,224,224)指输入INPUT的通道数(channel)、高(height)和宽(width)，即(C,H,W)。现假设输入的高度和宽度相等，所以用(C,W,W)表示。
该stage中第1层包括3个先后操作。
1.CONV
CONV是卷积（Convolution）的缩写，7×7指卷积核大小，64指卷积核的数量（即该卷积层输出的通道数），/2指卷积核的步长为2。
2.BN
BN是Batch Normalization的缩写，即常说的BN层。
3.RELU
RELU指ReLU激活函数。
该stage中第2层为MAXPOOL，即最大池化层，其kernel大小为3×3、步长为2。
(64,56,56)是该stage输出的通道数(channel)、高(height)和宽(width)，其中64等于该stage第1层卷积层中卷积核的数量，56等于224/2/2（步长为2会使输入尺寸减半）。
总体来讲，在Stage 0中，形状为(3,224,224)的输入先后经过卷积层、BN层、ReLU激活函数、MaxPooling层得到了形状为(64,56,56)的输出。
Stage 1
Stage 1的输入的形状为(64,56,56)，输出的形状为(64,56,56)。
Bottleneck
每个Stage包含两种Bottleneck，分别对应了两种情况：输入与输出通道数相同（BTNK2）、输入与输出通道数不同（BTNK1）。
1.BTNK2
BTNK2有2个可变的参数C和W，即输入的形状(C,W,W)中的C和W。令形状为(C,W,W)的输入为x，令BTNK2左侧的3个卷积块（以及相关BN和RELU）为函数F(x)，两者相加（F(x)+x）后再经过1个ReLU激活函数，就得到了BTNK2的输出，该输出的形状仍为(C,W,W)，即上文所说的BTNK2对应输入x与输出F(x)通道数相同的情况。
2.BTNK1
BTNK1有4个可变的参数C、W、C1和S。与BTNK2相比，BTNK1多了1个右侧的卷积层，令其为函数G(x)。BTNK1对应了输入x与输出F(x)通道数不同的情况，也正是这个添加的卷积层将x变为G(x)，起到匹配输入与输出维度差异的作用（G(x)和F(x)通道数相同），进而可以进行求和F(x)+G(x)。
简要分析
可知，ResNet后4个stage中都有BTNK1和BTNK2。
4个stage中BTNK2参数规律相同
4个stage中BTNK2的参数全都是1个模式和规律，只是输入的形状(C,W,W)不同。
Stage 1中BTNK1参数的规律与后3个stage不同。
然而，4个stage中BTNK1的参数的模式并非全都一样。具体来讲，后3个stage中BTNK1的参数模式一致，Stage 1中BTNK1的模式与后3个stage的不一样，这表现在以下2个方面：
参数S：BTNK1左右两个1×1卷积层是否下采样
Stage 1中的BTNK1：步长S为1，没有进行下采样，输入尺寸和输出尺寸相等。
后3个stage的BTNK1：步长S为2，进行了下采样，输入尺寸是输出尺寸的2倍。
参数C和C1：BTNK1左侧第一个1×1卷积层是否减少通道数
Stage 1中的BTNK1：输入通道数C和左侧1×1卷积层通道数C1相等（C=C1=64），即左侧1×1卷积层没有减少通道数。
stage2、3、4的BTNK1：输入通道数C和左侧1×1卷积层通道数C1不相等（C=2*C1），左侧1×1卷积层有减少通道数。
如下为resnet50的实现代码。
import torch
import torch.nn as nn
#--------------------------------#
# 从torch官方可以下载resnet50的权重
#--------------------------------#
model_urls = {
'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
}
#-----------------------------------------------#
# 此处为定义3*3的卷积，即为指此次卷积的卷积核的大小为3*3
#-----------------------------------------------#
def conv3x3(in_planes, out_planes, stride=1, groups=1, dilation=1):
return nn.Conv2d(in_planes, out_planes, kernel_size=3, stride=stride,
padding=dilation, groups=groups, bias=False, dilation=dilation)
#-----------------------------------------------#
# 此处为定义1*1的卷积，即为指此次卷积的卷积核的大小为1*1
#-----------------------------------------------#
def conv1x1(in_planes, out_planes, stride=1):
return nn.Conv2d(in_planes, out_planes, kernel_size=1, stride=stride, bias=False)
#----------------------------------#
# 此为resnet50中标准残差结构的定义
# conv3x3以及conv1x1均在该结构中被定义
#----------------------------------#
class Bottleneck(nn.Module):
expansion = 4
def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1,base_width=64, dilation=1, norm_layer=None):
super(Bottleneck, self).__init__()
#--------------------------------------------#
# 当不指定正则化操作时将会默认进行二维的数据归一化操作
#--------------------------------------------#
if norm_layer is None:
norm_layer = nn.BatchNorm2d
#---------------------------------------------------#
# 根据input的planes确定width,width的值为
# 卷积输出通道以及BatchNorm2d的数值
# 因为在接下来resnet结构构建的过程中给到的planes的数值不相同
#---------------------------------------------------#
width = int(planes * (base_width / 64.)) * groups
#-----------------------------------------------#
# 当步长的值不为1时,self.conv2 and self.downsample
# 的作用均为对输入进行下采样操作
# 下面为定义了一系列操作,包括卷积，数据归一化以及relu等
#-----------------------------------------------#
self.conv1 = conv1x1(inplanes, width)
self.bn1 = norm_layer(width)
self.conv2 = conv3x3(width, width, stride, groups, dilation)
self.bn2 = norm_layer(width)
self.conv3 = conv1x1(width, planes * self.expansion)
self.bn3 = norm_layer(planes * self.expansion)
self.relu = nn.ReLU(inplace=True)
self.downsample = downsample
self.stride = stride
#--------------------------------------#
# 定义resnet50中的标准残差结构的前向传播函数
#--------------------------------------#
def forward(self, x):
identity = x
#-------------------------------------------------------------------------#
# conv1*1->bn1->relu 先进行一次1*1的卷积之后进行数据归一化操作最后过relu增加非线性因素
# conv3*3->bn2->relu 先进行一次3*3的卷积之后进行数据归一化操作最后过relu增加非线性因素
# conv1*1->bn3 先进行一次1*1的卷积之后进行数据归一化操作
#-------------------------------------------------------------------------#
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)
#-----------------------------#
# 若有下采样操作则进行一次下采样操作
#-----------------------------#
if self.downsample is not None:
identity = self.downsample(identity)
#---------------------------------------------#
# 首先是将两部分进行add操作,最后过relu来增加非线性因素
# concat（堆叠）可以看作是通道数的增加
# add（相加）可以看作是特征图相加，通道数不变
# add可以看作特殊的concat,并且其计算量相对较小
#---------------------------------------------#
out += identity
out = self.relu(out)
return out
#--------------------------------#
# 此为resnet50网络的定义
# input的大小为224*224
# 初始化函数中的block即为上面定义的
# 标准残差结构--Bottleneck
#--------------------------------#
class ResNet(nn.Module):
def __init__(self, block, layers, num_classes=1000, zero_init_residual=False,
groups=1, width_per_group=64, replace_stride_with_dilation=None,
norm_layer=None):
super(ResNet, self).__init__()
if norm_layer is None:
norm_layer = nn.BatchNorm2d
self._norm_layer = norm_layer
self.inplanes = 64
self.dilation = 1
#---------------------------------------------------------#
# 使用膨胀率来替代stride,若replace_stride_with_dilation为none
# 则这个列表中的三个值均为False
#---------------------------------------------------------#
if replace_stride_with_dilation is None:
replace_stride_with_dilation = [False, False, False]
#----------------------------------------------#
# 若replace_stride_with_dilation这个列表的长度不为3
# 则会有ValueError
#----------------------------------------------#
if len(replace_stride_with_dilation) != 3:
raise ValueError("replace_stride_with_dilation should be None "
"or a 3-element tuple, got {}".format(replace_stride_with_dilation))
self.block = block
self.groups = groups
self.base_width = width_per_group
#-----------------------------------#
# conv1*1->bn1->relu
# 224,224,3 -> 112,112,64
#-----------------------------------#
self.conv1 = nn.Conv2d(3, self.inplanes, kernel_size=7, stride=2, padding=3,bias=False)
self.bn1 = norm_layer(self.inplanes)
self.relu = nn.ReLU(inplace=True)
#------------------------------------#
# 最大池化只会改变特征图像的高度以及
# 宽度,其通道数并不会发生改变
# 112,112,64 -> 56,56,64
#------------------------------------#
self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
# 56,56,64 -> 56,56,256
self.layer1 = self._make_layer(block, 64, layers[0])
# 56,56,256 -> 28,28,512
self.layer2 = self._make_layer(block, 128, layers[1], stride=2,dilate=replace_stride_with_dilation[0])
# 28,28,512 -> 14,14,1024
self.layer3 = self._make_layer(block, 256, layers[2], stride=2,dilate=replace_stride_with_dilation[1])
# 14,14,1024 -> 7,7,2048
self.layer4 = self._make_layer(block, 512, layers[3], stride=2,dilate=replace_stride_with_dilation[2])
#--------------------------------------------#
# 自适应的二维平均池化操作,特征图像的高和宽的值均变为1
# 并且特征图像的通道数将不会发生改变
# 7,7,2048 -> 1,1,2048
#--------------------------------------------#
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
#----------------------------------------#
# 将目前的特征通道数变成所要求的特征通道数（1000）
# 2048 -> num_classes
#----------------------------------------#
self.fc = nn.Linear(512 * block.expansion, num_classes)
#-------------------------------#
# 部分权重的初始化操作
#-------------------------------#
for m in self.modules():
if isinstance(m, nn.Conv2d):
nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
elif isinstance(m, (nn.BatchNorm2d, nn.GroupNorm)):
nn.init.constant_(m.weight, 1)
nn.init.constant_(m.bias, 0)
#-------------------------------#
# 部分权重的初始化操作
#-------------------------------#
if zero_init_residual:
for m in self.modules():
if isinstance(m, Bottleneck):
nn.init.constant_(m.bn3.weight, 0)
#--------------------------------------#
# _make_layer这个函数的定义其可以在类的
# 初始化函数中被调用
# block即为上面定义的标准残差结构--Bottleneck
#--------------------------------------#
def _make_layer(self, block, planes, blocks, stride=1, dilate=False):
norm_layer = self._norm_layer
downsample = None
previous_dilation = self.dilation
#-----------------------------------#
# 在函数的定义中dilate的值为False
# 所以说下面的语句将直接跳过
#-----------------------------------#
if dilate:
self.dilation *= stride
stride = 1
#-----------------------------------------------------------#
# 如果stride！=1或者self.inplanes != planes * block.expansion
# 则downsample将有一次1*1的conv以及一次BatchNorm2d
#-----------------------------------------------------------#
if stride != 1 or self.inplanes != planes * block.expansion:
downsample = nn.Sequential(
conv1x1(self.inplanes, planes * block.expansion, stride),
norm_layer(planes * block.expansion),
)
#-----------------------------------------------#
# 首先定义一个layers,其为一个列表
# 卷积块的定义,每一个卷积块可以理解为一个Bottleneck的使用
#-----------------------------------------------#
layers = []
layers.append(block(self.inplanes, planes, stride, downsample, self.groups,
self.base_width, previous_dilation, norm_layer))
self.inplanes = planes * block.expansion
for _ in range(1, blocks):
# identity_block
layers.append(block(self.inplanes, planes, groups=self.groups,
base_width=self.base_width, dilation=self.dilation,
norm_layer=norm_layer))
return nn.Sequential(*layers)
#------------------------------#
# resnet50的前向传播函数
#------------------------------#
def forward(self, x):
x = self.conv1(x)
x = self.bn1(x)
x = self.relu(x)
x = self.maxpool(x)
x = self.layer1(x)
x = self.layer2(x)
x = self.layer3(x)
x = self.layer4(x)
x = self.avgpool(x)
#--------------------------------------#
# 按照x的第1个维度拼接（按照列来拼接，横向拼接）
# 拼接之后,张量的shape为(batch_size,2048)
#--------------------------------------#
x = torch.flatten(x, 1)
#--------------------------------------#
# 过全连接层来调整特征通道数
# (batch_size,2048)->(batch_size,1000)
#--------------------------------------#
x = self.fc(x)
return x
F=torch.randn(16,3,224,224)
print("As begin,shape:",format(F.shape))
resnet=ResNet(Bottleneck,[3,4,6,3])
F=resnet(F)
print(F.shape)
运行截图如下：
flops计算
输入尺寸（1，3，224，224）
flops约为 4G
9460
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
