TensorFlow 使用预训练模型 ResNet-50
Tensorflow实战:ResNet原理及实现(多注释)
用slim实现的基本网络结构及其预训练模型
https://github.com/tensorflow/models/tree/master/research/slim
这是TensorFlow 的所有用于图像分类的预训练模型的下载地址,包含常用的 VGG,Inception,ResNet,MobileNet 以及最新的 NasNet 模型等。要使用这些预训练模型的关键是将这些预训练的参数正确的导入到定义好的神经网络,这可以通过函数 slim.assign_from_checkpoint_fn 来方便的实现。
resnet基本结构
ResNet有5个版本,分别为resnet18、resnet34、resnet50、resnet101和resnet152。resnet设计了两种不同的基本“shortcut connection”结构,其中resnet18、ResNet34使用BasicBlock,resnet50、ResNet101和resnet152使用 Bottleneck作为“shortcut connection”。
图像输入大小问题:
resnet在哪些地方改变了输出图像的大小? 如下图所示:
tensorflow实现
pytorch实现
官方实现 地址:https://github.com/pytorch/vision/blob/master/torchvision/models/resnet.py
解读 pytorch对resnet的官方实现