pytorch-Resnet网络
2024-10-06 19:28:53
残差网络:将输入层与输出层进行连接,保证了经过这层网路结构,网络的运算能力不会出现较大的改变
网络解析:
第一层网络: 输入网络经过一个卷积层,再经过一个batch_normalize, 再经过一个relu层
第二层网络;经过一层卷积层,将卷积后的网络与原输入数据进行对应位置相加操作, 将加和后的网络进行batch_normalize, 再经过一层relu
import torch
from torch import nn def conv3x3(in_planes, out_planes, stride=1): return nn.Conv2d(in_planes, out_planes, kernel_size=3, stride=1, padding=1, bias=False) # 定义卷积层 class BasicBlock(nn.Module):
def __init__(self, inplanes, outplanes, stride, downsample=None):
super(BasicBlock, self).__init__()
self.conv1 = conv3x3(inplanes, outplanes, stride=stride) # 第一个卷积
self.bn = nn.BatchNorm2d(outplanes) # 定义batch_norm层
self.relu = nn.ReLU(inplace=True) # 定义激活层
self.conv2 = conv3x3(outplanes, outplanes, stride=stride) # 第二个卷积
self.bn2 = nn.BatchNorm1d(outplanes) # 进行标准化操作
self.downsample = downsample # 进行维度的降低, 通常使用卷积操作来进行维度的降低 def forward(self, x): residual = x # 原始的残差模块 x = self.conv1(x) # 第一次卷积
x = self.bn(x) # 归一化操作
x = self.relu(x) # 激活操作 x = self.conv2(x) # 第二次卷积
out = self.bn2(x) # 归一化操作 if self.downsample is not None:
residual = self.downsample(x) # 是否需要对原始的样本做降采样操作 out += residual # 进行加和操作
out = self.relu(out) # 进行激活操作 return out
最新文章
- IIS最大连接数优化
- 【深度分享】千团大战:看今天商业WiFi乱局及其破解之道
- Ubuntu1404 (1)
- 使用Gulp和Browserify创建多个绑定文件
- Docker实践(1)—入门
- 分享:大晚上用自己的锤子手机跨系统刷MIUI,跌宕起伏啊!!
- iOS - UIColor
- awk与cut在以空格为分割域时的区别
- bootstrap 笔记01
- Python : 熟悉又陌生的字符编码(转自Python 开发者)
- Yahoo团队经验:网站性能优化的34条黄金法则
- H5性能测试学习
- JS 判断某个字符串是否存在与数组中
- pjtool用到的数据库----oracle范畴
- require.js使用步骤
- 《JavaScript Dom 编程艺术》读书笔记-第10章
- SpringBoot条件注解@Conditional
- awk入门【转】
- 11. English vocabulary 英语词汇量
- Java并发-ThreadGroup获取所有线程