学习|本周总结----ResNet 模型分类|神经网络|计算机视觉

一、Resnet论文解读 以resnet34为例介绍

文章图片

文章图片

*图一：res34层整体结构图二： resnet的尺寸通道数表
1、残差结构

文章图片

【学习|本周总结----ResNet 模型】主通道上输入x进入一个卷积层后做BN，做relu，在进入一个卷积层后，与侧通道（x）相加之后，一起做BN，做relu。
这个相加不是拼接，必须要求x的维度，与主通道上做完第二次卷积后的维度相同。是矩阵里每一个参数的相加（可以理解为两个形状相同的矩阵相加）。
要保证侧通道上x（identity）的维度，在主侧相加点的维数相同，有两种办法：1）用0来填充不过的维数，2）用1*1的卷积核扩充维度。-----论文里说用2方法好
原文如下

When the dimensions increase (dotted line shortcuts
in Fig. 3), we consider two options: (A) The shortcut still
performs identity mapping, with extra zero entries padded
for increasing dimensions. This option introduces no extra
parameter; (B) The projection shortcut in Eqn.(2) is used to
match dimensions (done by 1×1 convolutions). For both
options, when the shortcuts go across feature maps of two
sizes, they are performed with a stride of 2.

2、整体结构
resnet34首先经过 7 * 7 * 64的卷积层，经过maxpool层，进入残差块，一共进入了4种类型的残差块，最后通过averagpool和全连接层。
3、代码
*残差块代码：

在搭建残差块代码时，要考虑到论文中几乎都是在重复使用残差块，但由于outputsize的改变和通道深度的改变，我们无法使用一个固定参数的残差块，所以我们要想想，是不是可以设置一些变量去控制，使用同一个残差块，以满足不同的需求。

我们先思考用到的所有的参数，看看哪些是变化的哪些是不变化的-----------残差块里设计到的所有参数：
1）卷积核的尺寸------ 3*3没变，深度变了--------outchannels inchannels变；
2）一张图片的输入尺寸------ c h w变了影响了 s 和 p------ s和p 变；
3）由于我们还要考虑identity（侧通道，图一中虚侧线）的维数变化，我们还可以添加一个变量，用它来控制我们的identity的操作；
所以！我们可以设置，inchannels，outchannels ，stride，padding，以及downsample 为变量。

class BasicBlock(nn.Module): def __init__(self, in_channel, out_channel, stride=1, padding=1,downsample=None): # 用downsample来控制是否要改输入的维度，也就是图片里的dot-shortcut super(BasicBlock, self).__init__() self.conv1 = nn.Conv2d(in_channels=in_channel, out_channels=out_channel, kernel_size=3, stride=stride, padding=padding) self.bn1 = nn.BatchNorm2d(out_channel) self.conv2 = nn.Conv2d(in_channels=out_channel, out_channels=out_channel, kernel_size=3, stride=1, padding=padding) self.bn2 = nn.BatchNorm2d(out_channel) self.down1 = nn.Conv2d(in_channels=in_channel, out_channels=out_channel, kernel_size=1, stride=2) self.down = downsampledef forward(self, x): shortcut = x out = self.conv1(x) out = F.relu(self.bn1(out)) out = self.conv2(out) out = self.bn2(out)if self.down is None: out += shortcut else: shortcut = self.down1(shortcut) out += shortcutout = F.relu(out) return out# [b c h w ]

主网络代码：
定义完残差块代码，就是主网络了，按照网络结构搭建就可以了：

'''Resnet34输入大小为224 的图片''' class ResNet(nn.Module): def __init__(self): super(ResNet, self).__init__() self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)# [64*112*112] self.bn1 = nn.BatchNorm2d(64) self.pool1 = nn.MaxPool2d(3, 2, 1) '''残差块''' self.block2 = BasicBlock(64, 64) self.block3_1 = BasicBlock(64, 128, stride=2, downsample=True) self.block3 = BasicBlock(128, 128) self.block4_1 = BasicBlock(128, 256, stride=2, downsample=True) self.block4 = BasicBlock(256, 256) self.block5_1 = BasicBlock(256, 512, stride=2, downsample=True) self.block5 = BasicBlock(512, 512) self.pool2 = nn.AvgPool2d(7, 1) self.fc1 = nn.Linear(512*1*1, 10)def forward(self, x): x = self.conv1(x) x = F.relu(self.bn1(x)) x = self.pool1(x) for i in range(3): x = self.block2(x)# 进入第一个残差块 x = self.block3_1(x) for i in range(3): x = self.block3(x) x = self.block4_1(x) for i in range(5): x = self.block4(x) x = self.block5_1(x) for i in range(2): x = self.block5(x) x = self.pool2(x) x = x.view(-1, 512*1*1) x = self.fc1(x)return x'''测试整体网络''' # import torch # # input1 = torch.rand([36, 3, 224, 224]) # model = ResNet() # out = model(input1) # print(out)

所有p的计算都是按照（n+2p-f）/s + 1 向下取整计算的
二、dataloader参数