pytorch中resnet_Pytorch实现残差神经网络(ResNet)

1. 残差块

输入X，经过两次次卷积，一次ReLU，得到F(X)，在将X与F(X)相加，在经过一个ReLU，即为最后的结果。残差神经网络就是基于残差块的一个深度神经网络。

2. 代码

这篇博客理论涉及较少，主要是代码，在CIFAIR10数据集上，实现一个浅层的残差神经网络用于分类。

import torch

import torch.nn as nn

import torchvision

import torchvision.transforms as transforms

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

print(torch.cuda.is_available())

num_epochs = 100

batch_size = 100

learning_rate = 0.001

transform = transforms.Compose([

transforms.Pad(4),

transforms.RandomHorizontalFlip(),

transforms.RandomCrop(32),

transforms.ToTensor()

])

train_datatset = torchvision.datasets.CIFAR10(root='../../data/',

train=True,