resnet keras 结构_TensorFlow2的ResNet实现，满满干货！

TensorFlow2的ResNet实现，满满干货！

TensorFlow2

TensorFlow2是2019去年10月由Google发布的TensorFlow升级版。这可以算是TensorFlow的历史性改革，相比1.X版本增加了许多新内容。由于更新了TF的版本，许多小伙伴在原有基于1.X版本的程序就会出现许多警告和报错。由于去年年底课业繁忙，考试也一堆一堆，很遗憾没有在第一时间了解TF2的新内容。

放假在家好好研究了一下TF2，拿几个经典的卷积神经网络——LeNet5、AlexNet、VGG16、GoogLeNet（Inception v1）和ResNet练了练手。

---

ResNet

先介绍一下ResNet，深度学习和目标检测领域的小伙伴们应该对此都比较熟悉了，即便不知道具体结构和原理，对这个名字也应该听过无数回了。ResNet是一个应用十分广泛的卷积神经网络的特征提取网络，在2016年由大名鼎鼎的何恺明（He-Kaiming）及其团队提出，他曾以第一作者身份拿过2次CVPR最佳论文奖（2009年和2016年），其中2016年CVPR最佳论文就是这个深度残差网络。

论文：《Deep Residual Learning for Image Recognition》​arxiv.org

残差网络是致力于使用多个有参网络层来学习输入、输出之间的残差函数即

，

为浅层输出，

为深层输出，

为夹在它们之间的一个函数变换。当浅层

中的特征已经成熟时，如果任何对于特征

的改变都会让

变大的话，

就会自动趋于

，

就可以从恒等映射（identity mapping）路径继续向下传递。这样可以在不增加计算成本的基础上实现一下目的：在前向传递的过程中，当浅层的

输出已经足够成熟（optimal），让深层网络后面的层（subsequent layers）能够实现恒等映射的作用。

以下是实现残差学习的一个版块（block）示意图（摘自论文）：

程序实现的思路也是通过先构建一个block然后根据ResNet的结构实现整个网络的构建。关于ResNet的有关概念这里不做过多的介绍。

---

环境

CPU： Intel i5 9400F
GPU： GTX 1660
RAM： 16G
CUDA： 10.1
TF Version：2.1

使用的是

编辑，因为安装了

其自带的一些编辑器都非常方便，可以直接使用。

数据集

使用了fashion数据集。fashion数据集出自论文：

DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotation​www.ee.cuhk.edu.hk

这是2016年CVPR上的一篇论文。该数据集中包含：

• 289,222 张服装图片 clothes images;
• 50 个服装类别 clothing categories
• 1,000 个服装属性 clothing attributes。

代码实现与结果

结果展示

loss和acc曲线：

参数量：

代码

# -*- coding: utf-8 -*-

联系我

• 如果有什么想法与建议可以在评论区评论，或者与我私信。
• 更多内容请关注我的CSDN账号：@我什么也不会TwT。或者扫描下方二维码：

---

感谢阅读，如果你喜欢或者觉得对你有所帮助的话，欢迎“喜欢”和“收藏”，也可以分享给你的小伙伴们~