torchvision中的resnet的实现

D:\pythonCodes\深度学习实验\经典分类网络\6：ResNet\resnet手动实现实验

一、ResNet网络模型详解

1.1 整体结构

可以看到，resnet34主要就是由layer1-4组成。而这4个layer分别就是由3、4、6、3个BasicBlock堆叠而成。

BasicBlock有两种：

右边虚线的BasicBlock主要用在layer2-4的第一块。作用就是要保证主分支和shortcut的输出特征shape相同。

说明：resnet18/34使用的是BasicBlock堆叠，而resnet50/101/152使用的是Bottleneck进行堆叠。

1.2 详细介绍

前面：

输入图片尺寸：224*224*3

conv1：

      输入通道是3，输出通道是64。kernel_size=7，stride=2，padding=3。输出尺寸为(224-7+6)/2 + 1 = 112.5下取整 = 112。 所以输出64*112*112

bn1、relu：

      在UNet中是conv、ReLu、BN，在FusionNet中是conv、BN、ReLu。应该是都行。而且是标配动作。我们不管了。

maxpool：

      kernel_size=3，stride=2, padding=1。不改变通道数。输出尺寸为(112-3+2)/2 + 1 = 56.5下取整=56。所以输出64*56*56。

layer1:

也就是经过了以下的三个BasicBlock：

主分支上，首先 经过3*3*64的卷积层。stride=1,padding=1。输出尺寸(56+2-3)/1 + 1 = 56。所以输出56*56*64。经过第二个卷积层完全一样，输出还是64*56*56。

主分支与捷径上都是56*56*64，进行相加操作，然后经过relu，还是64*56*56。

经过剩下的两个BasicBlock，还是一样。输出还是64*56*56。

layer2:

layer2中的第一个BasicBlock与其他三个不同，是带downsample的。也就是走的是虚线的那种。具体为：

主分支：首先经过3*3*128的卷积层。stride=2，padding =1。输出尺寸(56+2-3)/2 +1 = 28.5下取整=28。所以输出尺寸128*28*28。

               然后经过3*3*128的卷积层。stride=1,padding=1。输出尺寸(28+2-3)/1+1 = 28。所以输出128*28*28。

捷径：经过1*1*128的卷积层。stride=2,padding=0。输出尺寸(56-1)/2 +1 = 28。输出为128*28*28。

主分支和捷径的结果shape相同，所以可以相加。结果为128*28*28。

然后剩下的三个走的都是不带downsample的那种了。即：

主分支