ResNet残差网络Pytorch实现——BasicBlock残差块

ResNet残差网络Pytorch实现——BasicBlock残差块

上一篇：【BasicBlock残差块】 ✌✌✌✌ 【目录】 ✌✌✌✌ 下一篇：【Bottleneck残差块】

大学生一枚，最近在学习神经网络，写这篇文章只是记录自己的学习历程，本文参考了Github上fengdu78老师的文章进行学习

✌ BasicBlock

class BasicBlock(nn.Module):# 一层中不同卷积层，卷积核的倍数# 34层网络是64，64，50层网络是64，64，256expansion=1def __init__(self,in_channel,out_channel,stride=1,downsample=None):super(BasicBlock,self).__init__()self.conv1=nn.Conv2d(in_channels=in_channel,out_channels=out_channel,kernel_size=3,stride=stride,padding=1,bias=False)self.bn1=nn.BatchNorm2d(out_channel)self.conv2=nn.Conv2d(in_channels=out_channel,out_channels=out_channel,kernel_size=3,stride=1,padding=1,bias=False)self.bn2=nn.BatchNorm2d(out_channel)self.relu=nn.ReLU(inplace=True)self.downsample=downsampledef forward(self,x):'''定义下采样变量，就是那条捷径，为了使初始值与卷积后的值进行相加，如果该层是50、101的残差1的第一层或是所有网络残差层的第一个卷积层，都要走捷径，因为输入和输出不匹配，所以要走捷径将卷积核层数扩大，或者将数据维度降低达到目标可以相加的维度'''identity=xif self.downsample is not None:identity=self.downsample(x)out=self.conv1(x)out=self.bn1(out)out=self.relu(out)out=self.conv2(out)out=self.bn2(out)out+=identityout=self.relu(out)return out

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！