ResNet残差网络Pytorch实现——BasicBlock残差块

ResNet残差网络Pytorch实现——BasicBlock残差块

---

上一篇：【BasicBlock残差块】 ✌✌✌✌ 【目录】 ✌✌✌✌ 下一篇：【Bottleneck残差块】

---

大学生一枚，最近在学习神经网络，写这篇文章只是记录自己的学习历程，本文参考了Github上fengdu78老师的文章进行学习

---

✌ BasicBlock

class BasicBlock(nn.Module):
    # 一层中不同卷积层，卷积核的倍数
    # 34层网络是64，64，50层网络是64，64，256
    expansion=1
    
    def __init__(self,in_channel,out_channel,stride=1,downsample=None):
        super(BasicBlock,self).__init__()
        
        self.conv1=nn.Conv2d(in_channels=in_channel,out_channels=out_channel,
                             kernel_size=3,stride=stride,padding=1,bias=False)
        self.bn1=nn.BatchNorm2d(out_channel)
        
        self.conv2=nn.Conv2d(in_channels=out_channel,out_channels=out_channel,
                             kernel_size=3,stride=1,padding=1,bias=False)
        self.bn2=nn.BatchNorm2d(out_channel)
        
        self.relu=nn.ReLU(inplace=True)
        
        self.downsample=downsample
        
    def forward(self,x):
        '''定义下采样变量，就是那条捷径，为了使初始值与卷积后的值进行相加，
        如果该层是50、101的残差1的第一层或是所有网络残差层的第一个卷积层，都要走捷径，
        因为输入和输出不匹配，所以要走捷径将卷积核层数扩大，
        或者将数据维度降低达到目标可以相加的维度
        '''
        identity=x
        if self.downsample is not None:
            identity=self.downsample(x)
        
        out=self.conv1(x)
        out=self.bn1(out)
        out=self.relu(out)
        
        out=self.conv2(out)
        out=self.bn2(out)
        
        out+=identity
        out=self.relu(out)
        
        return out