基于keras框架与mnist数据集的resnet代码详解

先说过程：

①起初是想使用cifar-10数据集进行训练的，由于cifar数据集中的图片size较大，我跑在自己的笔记本电脑上，如果完全按照官方给出的网络结构图来训练时会出现OOM（out of memory）的问题（不排除是当时我代码不够规范造成的）。所以对channel数进行了微调。

②一开始用原生tensorflow编写，在参考网上resnet代码时也是原生tensorflow方法使用得比较多。但是在我自己写这份代码时发现原生tensorflow比较繁杂，不便于debug，于是考虑使用基于原生tensorflow的框架。由于slim框架没找到官方文档，所以改用了keras。keras中文官方文档看这里。用了框架之后代码就变得十分简洁易用啦。

 

对resnet的理解，我认为简单来说就是将原输入X与经卷积之后的F(X)相加的结果y与真值y_进行比较，从而使网络不必学习如何拟合整个y_，而只需要对残差y_ - X = F(x)这部分进行学习即可。这种结构的优点是作用效果与传统网络相同，但是简化了模型的学习。

 

本文代码所对应的模型结构：

layer_name	output_size	9-layer
conv1	28x28x16	3x3,16,stride = 1
conv2	14x14x16	3x3,16                x2 3x3,16
conv3	7x7x32	3x3,32                x2 3x3,32
	1x1	average pool,softmax

 

 

模型构建参考：

1.图示中的18-layer

2.以及下图的block结构

接下来是代码流程

1.载入数据

import kerasfrom keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()  
# 数据集会默认下载到C:\Users\xxx\.keras\datasets 中