ResNet网络结构代码该怎么看

1、从模型调用开始看，首先看调用

def _resnet(arch, block, layers, pretrained, progress, **kwargs):
    model = ResNet(block, layers, **kwargs)
    if pretrained:
        state_dict = load_state_dict_from_url(model_urls[arch],
                                              progress=progress)
        model.load_state_dict(state_dict)
    return model
def resnet50(pretrained=False, progress=True, **kwargs):
    return _resnet('resnet50', Bottleneck, [3, 4, 6, 3], pretrained, progress,
                   **kwargs)

可以看到resnet至少需要两个显示参数，分别是block和layers。block是resnet18和resnet50中应用的两种不同结构，分别是basicblock和bottleneck。layers就是网络层数，也就是每个block的个数。

2、然后看网络结构

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__()
        #参数比调用多几个，模型相较于最初发文章的时候有过更新
        #block: basicblock或者bottleneck，后续会提到
        #layers：每个block的个数，如resnet50， layers=[3,4,6,3]，网络结构图中可以看到
        #num_classes: 数据库类别数量
        #zero_init_residual：其他论文中提到的一点小trick，残差参数为0
        #groups：卷积层分组，应该是为了resnext扩展
        #width_per_group：同上，此外还可以是wideresnet扩展
        #replace_stride_with_dilation：空洞卷积，非原论文内容
        #norm_layer：原论文用BN，此处设为可自定义
       
         # 中间部分代码省略，只看模型搭建部分
        self.layer1 = self._make_layer(block, 64, layers[0])
        self.layer2 = self._make_layer(block, 128, layers[1], stride=2