利用Pytorch实现ResNet34网络

利用Pytorch实现ResNet34网络

利用Pytorch实现ResNet网络
主要是为了学习Pytorch构建神经网络的基本方法，参考自«深度学习框架Pytorch:入门与实践»一书，作者陈云

1.什么是ResNet网络

ResNet(Deep Residual Network)深度残差网络，是由Kaiming He等人提出的一种新的卷积神经网络结构，其最重要的特点就是网络大部分是由如图一所示的残差单元组成，许多参数相同的残差单元连接起来组成BasicBlock，而许多BasicBlock组合起来再加上预处理层和最后的全连接分类层就组成了ResNet网络

图一 残差单元

1.1 ResNet34网络的具体构造

具体构造如下图所示：

图2：ResNet34具体结构

除了最开始的卷积池化和最后的池化全连接外，网络中有许多结构相似的单元，这些重复单元的共同点就是有个跨层直连的shortcut。

不同层数的ResNet的配置清单：

1.2 ResNet34网络的原理与优点

目前不太理解，待补充。。。。。。

2.Pytorch代码实现

2.1 实现代码

import torch as t
from torch import  nn
from torch.nn import functional as F


class ResidualBlock(nn.Module):
    def __init__(self,inchanel,outchanel,stride=1,shortcut=None):
        super(ResidualBlock,self).__init__()
        self.left=nn.Sequential(
            nn.Conv2d(inchanel,outchanel,3,stride,1,bias=False),
            nn.BatchNorm2d(out