经典CNN算法解析实战-第J7周：对于ResNeXt-50算法的思考

最新推荐文章于 2024-10-14 16:01:29 发布

Oaix Nay

最新推荐文章于 2024-10-14 16:01:29 发布

阅读量160

点赞数 2

分类专栏： 365天深度学习训练记录文章标签： cnn 算法深度学习

本文链接：https://blog.csdn.net/qq_27889941/article/details/129661977

版权

文章介绍了365天深度学习训练营中关于ResNeXt-50算法的思考，讨论了Python3和Pytorch环境下代码的正确性。作者分析了GroupedConv和Block类的实现，解释了在不同conv_shortcut情况下通道匹配的逻辑，并确认代码没有问题。文章通过Stack模块展示了残差块的堆叠，确保了特征图通道的一致性。

摘要由CSDN通过智能技术生成

🍨 本文为🔗365天深度学习训练营中的学习记录博客

🍖 原作者：K同学啊|接辅导、项目定制

一、课题背景和开发环境

📌第J7周：对于ResNeXt-50算法的思考📌

语言：Python3、Pytorch、TensorFlow
学到这里相信大家都有了一定的基础，基础程序的编写是没什么大问题了
我后面将会逐步引导大家从 知识层面的学习 过度到 能力层面的培养
前几天有同学询问了我一个很有意思的问题，我把它作为本周的任务
希望大家可以积极思考、探索
解决问题不是目的，学会如何解决这类问题才是重点
📌本周任务：📌
– 📌 你需要解决的疑问：这个代码是否有错？ 对错与否都请给出你的思考
– 📌 打卡要求： 请查找相关资料、逐步推理模型、详细写下你的思考过程

二、模型(代码)分析

这是由 @K同学啊提供的J6周的代码
上周例子代码

下面同样附上我自己上周改写的Pytorch代码：

class GroupedConv(nn.Module):
    def __init__(self, in_channel, kernel_size=3, stride=1, groups=32):
        super(GroupedConv, self).__init__()
        self.g_channel = in_channel//groups
        self.groups = groups
        self.conv = nn.Conv2d(self.g_channel, self.g_channel, kernel_size=3, stride=stride, padding=1, bias=False)
        self.norm = nn.BatchNorm2d(in_channel)
        self.relu = nn.ReLU(inplace=True