Pytorch入门教程（十）：ResNet图片分类实战

最新推荐文章于 2024-08-16 13:19:57 发布

王氏小明

最新推荐文章于 2024-08-16 13:19:57 发布

阅读量4.4k

点赞数 2

分类专栏： Pytorch

本文链接：https://blog.csdn.net/weixin_43472830/article/details/95871258

版权

本文为Pytorch初学者提供了ResNet模型的基础教程，详细介绍了基本ResNet单元的构建，并展示了如何应用18层ResNet进行CIFAR图片分类。只需简单修改main()函数，即可将之前的LeNet5模型替换为ResNet18模型进行实战。

摘要由CSDN通过智能技术生成

1. 基本ResNet单元：

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


class Resnet(nn.Module):

    def __init__(self, ch_in, ch_out):
        super(Resnet, self).__init__()
        self.conv1 = nn.Conv2d(ch_in, ch_out, kernel_size=3, stride=1, padding=1)
        self.bn1 = nn.BatchNorm2d(ch_out)
        self.conv2 = nn.Conv2d(ch_out, ch_out, kernel_size=3, stride=1, padding=1)
        self.bn2 = nn.BatchNorm2d(ch_out)

        self.extra = nn.Sequential()
        # 如果输出、输出维度不同，需转化后才能相加
        if ch_out != ch_in:
            self.extra = nn.Sequential(
                nn.Conv2d(ch_in, ch_out, kernel_size=1, stride=1),
                nn.BatchNorm2d(ch_out)
            )