ResNet-50代码解析

最新推荐文章于 2024-08-30 08:59:25 发布

qq_38581832

最新推荐文章于 2024-08-30 08:59:25 发布

阅读量6.1k

点赞数

文章标签： resnet 代码 pytorch

本文链接：https://blog.csdn.net/qq_38581832/article/details/102940167

版权

本文详细探讨了ResNet-50的实现，分析了关键组件Bottleneck残差块的代码细节，解释了为何在更深层的网络如ResNet-50中使用Bottleneck而非BasicBlock，并介绍了ResNet类的设计与工作原理。

摘要由CSDN通过智能技术生成

本文对resnet-50的模型代码细节进行分析

首先导入需要的包

import torch.nn as nn
import math
import torch.utils.model_zoo as model_zoo

其次是ResNet50中的残差块Bottleneck，源码中还有对Basicblock的定义。但是Basicblock主要是针对resnet18以及resnet34的，而Bottleneck主要是针对resnet50以及更深的resnet网络的。

这里定义一个Bottleneck类，其父类是nn.Module。

class Bottleneck(nn.Module):           #预定义网络架构并定义前向传播
	expansion = 4      #expansion是指残差块输出维度是输入维度的多少倍。在ResNet类中的_make_layer函数中会用到
	def __init__(self,in_planes,planes,stride=1,downsample=None)：  #初始化并继承nn.Module中的一些属性。in_planes指输入的通道数，planes指输出的通道数，步长默认为1，下采样函数默认为空（即默认不需要下采样）
		super(Bottleneck,self).__init__()  #定义nn.Module的子类Bottleneck。并在下面给出新的属性
		self.conv1 = nn.Conv2d(in_planes,planes,kernel_size=1,bias=False)
		self.bn1 = nn.BatchNorm2d(planes)  #归一化处理
		self.conv2 = nn.Conv2d(in_planes,planes,kernel_size=3,stride=stride,padding=1,bias=False