理解Resnet18的18的含义

最新推荐文章于 2024-09-09 21:04:27 发布

诸神黄昏的幸存者

最新推荐文章于 2024-09-09 21:04:27 发布

阅读量4.3k

点赞数 3

分类专栏：图像分类 pytorch 文章标签：卷积

本文链接：https://blog.csdn.net/weixin_43818631/article/details/119804678

版权

Resnet18的18层含义指的是17个卷积层加上1个全连接层，不包含池化层和BN层。网络结构详细解读可参考相关资料。

摘要由CSDN通过智能技术生成

18 = 17（卷积层）+ 1（全连接）

18主要指的是带有权重的，包括卷积层和全连接层，不包括池化层和BN层。（BN层是有参数的）

import torchvision

model = torchvision.models.resnet18(pretrained=False)
print(model)

具体网络结构可参考：
在这里插入图片描述

细节如下：

ResNet(
  (conv1): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
  (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  (relu): ReLU(inplace=True)
  (maxpool): MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)
  (layer1): Sequential(
    (0): BasicBlock(
      (conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
      (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (relu): ReLU(inplace=True)
      (conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
      (bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    )
    (1): BasicBlock(
      (conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1)