代码地址:https://github.com/xinyu-ch/faster-rcnn.pytorch/blob/master/lib/model/faster_rcnn/resnet.py
前言
具体的理论知识可参考:https://www.cnblogs.com/shouhuxianjian/p/7766441.html
1 总结构
如下是ResNet的一个主题结构,通过__init__函数可设置对应的ResNet网络,block代表网络的结构(BasicBlock–基础结构, Bottleneck–瓶颈结构),layers代表选择不同的层([2, 2, 2, 2]–res18, [3, 4, 6, 3]–res18, [3, 4, 6, 3]–res50, [3, 4, 23, 3]–res101,具体可参考ResNet详细结构),默认类别num_classes–1000。__make_layer用于创建结构类似的层,其中的downsample在稍后介绍的基础结构会用到,downsample在瓶颈结构中会用到。self.modules会返回模型的每一层参数,此处for循环是用于初始化卷积层和batch normalization层的参数。layer1, layer2, layer3, layer4 是输入输出层数不同但结构相同的resual网络层,后面详细解释。
Res101层构成:第1层–conv1卷积层+bn+relu+Maxpool; 第2~10层(33)–layer1; 第11~22层(43)–layer2;第23~91层(233)–layer3; 第92~100层(33)–layer4; 第101层:avgpool层+fc层。
class ResNet(nn.Module):
def __init__(self, block, layers, num_classes=1000):
self.inplanes = 64
super(ResNet, self).__init__()
self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3,
bias=False)
self.bn1 = nn.BatchNorm2d(64)
self.relu = nn.ReLU(inplace=True)
self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=0, ceil_mode=True) # change
self.layer1 = self._make_layer(block, 64, layers[0])
self.layer2 = self._make_layer(block, 128, layer