1、torchvision的介绍
torchvision 是 pytorch 中一个很好用的包，主要由 3 个子包，分别是 torchvision.datasets，torchvision.models 和 torchvision.transforms
参考官网：http://pytorch.org/docs/master/torchvision/index.html 代码：https://github.com/pytorch/vision/tree/master/torchvision
1.1 torchvision.models
在 torchvision的models中实现了几个模型，包含 AlexNet，DenseNet，ResNet，VGG 等常用结构，并提供了预训练模型，以ResNet50为例：
- 源码：models/resnet.py
- 导入模型示例：
import torchvision
# 需要预训练模型的参数来初始化
model = torchvision.models.resnet50(pretrained=True)
# 不需要预训练模型的参数来初始化
model = torchvision.models.resnet50(pretrained=False)
# pretrained参数默认是False，等价于
model = torchvision.models.resnet50()1.2 图解ResNet的多种结构
彩图resnet18的结构图中，虚曲线表示不同维度的连接，实曲线表示相同维度的连接- resnet18都是由BasicBlock组成的，并且从表中也可以得知，50层(包括50层)以上的resnet才由Bottleneck组成。
- 所有类型的resnet卷积操作的通道数(无论是输入通道还是输出通道)都是64的倍数
- 所有类型的resnet的卷积核只有3x3和1x1两种
- 无论哪一种resnet，除了公共部分(conv1)外，都是由4大块组成(con2_x,con3_x,con4_x,con5_x,)，每一块的起始通道数都是64，128，256，512，这点非常重要。暂且称它为“基准 通道数”
- 无论哪种resnet，都有4个layer，进入layer之前，输入图片就已经被缩小了4倍了(一个卷积和一个最大池化操作各1/2)。除了第一个layer不会缩小图片外，其余三个layer都会缩小一半图片。
2、3×3与1×1卷积模板
2.1 3×3卷积模板
def conv3x3(in_planes, out_planes, stride=1, groups=1, dilation=1):
"""3x3 convolution with padding"""
return nn.Conv2d(in_planes, out_planes, kernel_size=3, stride=stride,
padding=dilation, groups=groups, bias=False, dilation=dilation)- 没有用到bias
- 卷积步长 stride=1 (视情况而定)
- 扩张大小 dilation=1（也就是padding）
- in_planes 和 out_planes 分别是输入和输出的通道数
- groups 是分组卷积参数，这里 groups=1 相当于没有分组
2.2 1×1卷积模板
def conv1x1(in_planes, out_planes, stride=1):
"""1x1 convolution"""
return nn.Conv2d(in_planes, out_planes, kernel_size=1, stride=stride, bias=False)- 没有用到bias
- 卷积步长 stride=1 （）
3、代码解析
3.1 BasicBlock
class BasicBlock(nn.Module):
expansion = 1 #expansion是BasicBlock和Bottleneck的核心区别之一
# 这是第一种连接方式组成的块，用于18层和34层，大于等于50层的用第二种
# inplanes、inplanes其实就是channel，叫法不同
def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1,
base_width=64, dilation=1, norm_layer=None):
super(BasicBlock, self).__init__()
if norm_layer is None:
norm_layer = nn.BatchNorm2d
if groups != 1 or base_width != 64:
raise ValueError('BasicBlock only supports groups=1 and base_width=64')
if dilation > 1:
raise NotImplementedError("Dilation > 1 not supported in BasicBlock")
# Both self.conv1 and self.downsample layers downsample the input when stride != 1
self.conv1 = conv3x3(inplanes, planes, stride)
self.bn1 = norm_layer(planes)
self.relu = nn.ReLU(inplace=True)
self.conv2 = conv3x3(planes, planes)
self.bn2 = norm_layer(planes)
self.downsample = downsample
self.stride = stride
def forward(self, x):
identity = x
out = self.conv1(x)
out = self.bn1(out)
out = self.relu(out)
out = self.conv2(out)
out = self.bn2(out)
if self.downsample is not None:
identity = self.downsample(x)
out += identity
out = self.relu(out)
return out
该模块里定义了 ResNet 最重要的残差模块，BasicBlock 是基础版本，使用了两个 3*3 的卷积，卷积后接着 BN 和 ReLU
- super(BasicBlock, self).init() 这句是固定的标准写法。一般神经网络的类都继承自 torch.nn.Module，init() 和 forward() 是自定义类的两个主要函数，在自定义类的 init() 中需要添加一句 super(Net, self).init()，其中 Net 是自定义的类名，用于继承父类的初始化函数。
注意在 __init()__ 中只是对神经网络的模块进行了声明，真正的搭建是在 forward() 中实现。自定义类的成员都通过 self 指针来访问，所以参数列表中都包含了 self - out += identity 就是 ResNet 的精髓，在输出上叠加了输入 x xx
- self.downsample = downsample和if self.downsample is not None 看出，在默认情况downsample=None，表示不做downsample，但有一个情况需要做，就是一个 BasicBlock的分支x要与output相加时，若x和output的通道数不一样，则要做一个downsample，
剧透一下，在resnet里的downsample就是用一个1x1的卷积核处理，变成想要的通道数。为什么要这样做？因为最后要x要和output相加啊， 通道不同相加不了。所以downsample是专门用来改变x的通道数的。 接下来分析BasicBlock处理后的图像的维度是如何变化的：卷积的计算公式，W为特征图的长度(或宽度)，F为卷积核的长度(或宽度)，S为步长(
默认是1)，P为padding(padding在没指定的情况下，默认也是1)。所以卷积后的特征图的尺寸就跟步长很有关系。BasicBlock虽然是经过两个3x3的卷积，但是前一个是设置了步长的(设置的步长是2)，后一个则是没有设置步长的，这意味着用的是默认步长(默认步长是1)。F=3，P=1，当S=1时，W是不变的； F=3，P=1，当S=2时，W会减少两倍；下面的Bottleneck也是这个原理。
3.2 Bottleneck
class Bottleneck(nn.Module):
expansion = 4 #expansion是BasicBlock和Bottleneck的核心区别之一
# 第二种连接方式，这种参数少，适合层数超多的
# inplanes、inplanes其实就是channel，叫法不同
def __init__(self, inplanes, planes, stride=1, downsample=None, groups=1,
base_width=64, dilation=1, norm_layer=None):
super(Bottleneck, self).__init__()
if norm_layer is None:
norm_layer = nn.BatchNorm2d
width = int(planes * (base_width / 64.)) * groups
# Both self.conv2 and self.downsample layers downsample the input when stride != 1
self.conv1 = conv1x1(inplanes, width)
self.bn1 = norm_layer(width)
self.conv2 = conv3x3(width, width, stride, groups, dilation)
self.bn2 = norm_layer(width)
self.conv3 = conv1x1(width, planes * self.expansion)
self.bn3 = norm_layer(planes * self.expansion)
self.relu = nn.ReLU(inplace=True)
self.downsample = downsample
self.stride = stride
def forward(self, x):
identity = x
out = self.conv1(x)
out = self.bn1(out)
out = self.relu(out)
out = self.conv2(out)
out = self.bn2(out)
out = self.relu(out)
out = self.conv3(out)
out = self.bn3(out)
if self.downsample is not None:
identity = self.downsample(x)
out += identity
out = self.relu(out)
return outBasicBlock的结构如左图所示，Bottleneck 结构如右图所示。两个 1×1 的卷积分别负责减少通道数量和恢复通道数量，从而为中间的 3*3 卷积降低参数量，虽然减少通道数量会有信息损失，但是影响不太大，比如这里第一个卷积将 256 维的 channel 先降到 64 维，然后再通过第二个卷积恢复到 256 维，整体的参数量为 (1x1x256)x64 + (3x3x64)x64 + (1x1x64)x256 = 69632，而使用 BasicBlock结构的话，就是两个 3x3x256 的卷积，参数数目为 (3x3x256)x256x2 = 1179648，相差 16.94 倍。
- 与基础版本的BasicBlock 不同的是这里有 3 个卷积，分别为1×1、3×3、1×1大小的卷积核，分别用于压缩维度、卷积处理、恢复维度。
- inplanes 是输入通道数，planes = 输出通道数/expansion，在基础版本 BasicBlock 中 expansion =1，表示block内部最后一个卷积的输出channel与第一个卷积的输出channel比值(
)，此时相当于没有倍乘，输出的通道数就等于 planes.
- 在使用 Bottleneck 时，它先对通道数进行压缩，再放大，所以传入的参数 planes 不是实际输出的通道数，而是 block 内部压缩后的通道数，真正的输出通道数为 plane*expansion
- 这样做的主要目的是，使用 Bottleneck 结构可以减少网络参数数量
3.3 BasicBlock和Bottleneck的区别与共同点
3.3.1 区别
- BasicBlock的卷积核都是2个3x3，Bottleneck则是一个1x1，3x3，1x1共三个卷积核组成。
- BasicBlock的expansion为1，即输入和输出的通道数是一致的。而Bottleneck的expansion为4，即输出通道数是输入通道数的4倍。
3.3.2 共同点
- 不管是BasicBlock还是Bottleneck，最后都会做一个判断是否需要给x做downsample，因为必须要把x的通道数变成与输出的通道一致，才能相加（详细内容）。
把下图视为为一个box_block，即多个block叠加在一起，x3说明有3个上图一样的结构串起来，所以box_block：
3.3.3 缓解梯度消失
- 为什么ResNet网络可以缓解梯度消失的问题呢？ 跳连结构也被称为恒等映射：H(x)=F(x)+x。当F(x)=0时，H(x)=x,这就是所谓的恒等映射。跳连的这根线，可以实现差分放大的效果，将梯度放大，来缓解梯度的消失。
假设F(x)=2x，当x从5变化成为5.1时，F(x)从10变为10.2。
如果这时候求F(x)的导数的话，公式为（10.2-10）/（5.1-5）=2。而如果变成H(x)的话，导数为（10.2+5.1-（10.0+5））/（5.1-5）=3.这样就放大了导数，即梯度。
3.4 ResNet（重要）
3.4.1 所有网络都是通过ResNet类产生的，只要传入不同的参数即可
class ResNet(nn.Module):
def __init__(self, block, layers, num_classes=1000):
self.inplanes = 64
super(ResNet, self).__init__()
self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3,
bias=False)
self.bn1 = nn.BatchNorm2d(64)
self.relu = nn.ReLU(inplace=True)
self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.layer1 = self._make_layer(block, 64, layers[0])
self.layer2 = self._make_layer(block, 128, layers[1], stride=2)
self.layer3 = self._make_layer(block, 256, layers[2], stride=2)
self.layer4 = self._make_layer(block, 512, layers[3], stride=2)
self.avgpool = nn.AvgPool2d(7, stride=1)
self.fc = nn.Linear(512 * block.expansion, num_classes)
for m in self.modules():
if isinstance(m, nn.Conv2d):
n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
m.weight.data.normal_(0, math.sqrt(2. / n))
elif isinstance(m, nn.BatchNorm2d):
m.weight.data.fill_(1)
m.bias.data.zero_()
def _make_layer(self, block, planes, blocks, stride=1):
# downsample 主要用来处理H(x)=F(x)+x中F(x)和xchannel维度不匹配问题
downsample = None
# self.inplanes为上个box_block的输出channel,planes为当前box_block块的输入channel
# (注意：_make_layer()中的planes参数是“基准通道数”，不是输出通道数！！！)
# 在shotcut中若维度或者feature_size不一致则需要downsample
if stride != 1 or self.inplanes != planes * block.expansion:
downsample = nn.Sequential(
nn.Conv2d(self.inplanes, planes * block.expansion,
kernel_size=1, stride=stride, bias=False),
nn.BatchNorm2d(planes * block.expansion),
)
layers = []
# 只在这里传递了stride=2的参数，因而一个box_block中的图片大小只在第一次除以2
layers.append(block(self.inplanes, planes, stride, downsample))
self.inplanes = planes * block.expansion
for i in range(1, blocks):
layers.append(block(self.inplanes, planes))
return nn.Sequential(*layers)
def forward(self, x):
x = self.conv1(x)
x = self.bn1(x)
x = self.relu(x)
x = self.maxpool(x)
x = self.layer1(x)
x = self.layer2(x)
x = self.layer3(x)
x = self.layer4(x)
x = self.avgpool(x)
x = x.view(x.size(0), -1)
x = self.fc(x)
return x3.4.2 不同层数ResNet模型的结构(重要)
- ResNet 共有五个阶段，其中第一阶段为一个 7*7 的卷积，stride = 2，padding = 3，然后经过 BN、ReLU 和 maxpooling，此时特征图的尺寸已成为输入的 1/4
- 接下来是四个阶段(con2_x,con3_x,con4_x,con5_x,)，也就是代码中 layer1，layer2，layer3，layer4。这里用 _make_layer 函数产生四个 Layer，需要用户输入每个 layer 的 box_block 数目（ 即layers列表 )以及采用的 block 类型（基础版 BasicBlock 还是 Bottleneck 版）
- _make_layer() 方法的第一个输入参数 block 选择要使用的模块是 BasicBlock 还是 Bottleneck 类，第二个输入参数 planes 是每个块的起始通道数（64，128，256，512），第三个输入参数 blocks 是每个 blocks 中包含多少个 residual 子结构。
无论哪种resnet，都有4个layer，进入layer之前，输入图片就已经被缩小了4倍了(一个卷积和一个最大池化操作各1/2)。除了第一个layer不会缩小图片外，其余三个layer都会缩小一半图片。- 从ResNet的forward()代码来看，它是先经过conv1()，bn，relu和maxpool(),从表格得知，这几层无论是resnet18，resnet34，resnet50，resnet101等等的resnet一开始都必须经过这几层，这是静态的。然后进入四层layer()，这是动态以的区别具体是resnet18，resnet34，resnet50，resnet101等等中的哪一个。
输出尺寸的分析：在output size那里，维度是依次下降两倍的，224-112-56-28-14-7，但是我们会不会有疑问，经过那么多个卷积核为什么才下降两倍呢？这个实现是与ResNet类中的_make_layer()方法密切相关。看到_make_layer()源码，有没有怀疑过为什么都是建立block，但是要分开两个步骤建呢，是因为上面那个是设置了步长的，步长为2，下面那个是用默认步长的，步长为1，当步长为2时，结合卷积核分析，会减低2倍特征图尺寸；步长为1时，则不变。也就是说除了第一个layer不会缩小图片外，其余三个layer都会缩小一半图片（因为第一个layer的步长始终都为1）恒等映射分两种：高宽不变，维度变；高宽变为二分之一，维度变图像输入大小问题：在旧版的torchvision中，其预训练权重的默认图片大小为224×224，若图片大小经模型后缩小后和最后一层全连接层不匹配，则会抛出异常，比如输入大小256×256。新版已经兼容了输入图片的大小，方法就是使用AdaptiveAvgPool2d- 部分网络结构图：
3.4.3 不同层数ResNet模型具体模型的定义
-
__all__ 列表定义了可以从外部 import 的函数名或类名，_all_列表的每一个resnet都提供了实现函数 - 根据 model_urls 的地址可以加载网络与训练权重
import torch
import torch.nn as nn
from .utils import load_state_dict_from_url
# 实现了不同层数的ResNet模型
__all__ = ['ResNet', 'resnet18', 'resnet34', 'resnet50', 'resnet101',
'resnet152', 'resnext50_32x4d', 'resnext101_32x8d',
'wide_resnet50_2', 'wide_resnet101_2']
model_urls = {
'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth',
'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth',
'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth',
'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
}def resnet18(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-18 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet18', BasicBlock, [2, 2, 2, 2], pretrained, progress,
**kwargs)
def resnet34(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-34 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet34', BasicBlock, [3, 4, 6, 3], pretrained, progress,
**kwargs)
def resnet50(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-50 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet50', Bottleneck, [3, 4, 6, 3], pretrained, progress,
**kwargs)
def resnet101(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-101 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet101', Bottleneck, [3, 4, 23, 3], pretrained, progress,
**kwargs)
def resnet152(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-152 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet152', Bottleneck, [3, 8, 36, 3], pretrained, progress,
**kwargs)
def resnext50_32x4d(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNeXt-50 32x4d model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
kwargs['groups'] = 32
kwargs['width_per_group'] = 4
return _resnet('resnext50_32x4d', Bottleneck, [3, 4, 6, 3],
pretrained, progress, **kwargs)
def resnext101_32x8d(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNeXt-101 32x8d model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
kwargs['groups'] = 32
kwargs['width_per_group'] = 8
return _resnet('resnext101_32x8d', Bottleneck, [3, 4, 23, 3],
pretrained, progress, **kwargs)3.4.4 以ResNet50举例
源码中的ResNet类可以根据输入参数的不同，变成resnet18，34，50，101等，比如调用ResNet50:
from torchvision.models.resnet import resnet50
resnet = resnet50(pretrained=True)短短两行代码就可以调用resnet了。接下来我们顺着源码“顺藤摸瓜”地看一下代码的执行流程，从resnet50(pretrained=True)可以看出，调用的是resnet50网络，然后通过在torchvision.models.resnet模块中可以找到resnet50()的定义：
def resnet50(pretrained=False, progress=True, **kwargs):
"""Constructs a ResNet-50 model.
Args:
pretrained (bool): If True, returns a model pre-trained on ImageNet
progress (bool): If True, displays a progress bar of the download to stderr
"""
return _resnet('resnet50', Bottleneck, [3, 4, 6, 3], pretrained, progress,
**kwargs)可以看到，resnet50()仅仅做了一件事，就是调用了配备了特定参数的_resnet()方法，即_resnet(‘resnet50’, Bottleneck, [3, 4, 6, 3], pretrained, progress, **kwargs)，第一个参数不用说了，而我们看到 Bottleneck参数，就可以联想到_resnet的第二个参数是resnet网络的组成部分，即不是BasicBlock就是Bottleneck，而[3，4，6，3]具体是什么意思我们要接着看_resnet()的定义：
def _resnet(arch, block, layers, pretrained, progress, **kwargs):
model = ResNet(block, layers, **kwargs)
if pretrained:
state_dict = load_state_dict_from_url(model_urls[arch],
progress=progress)
model.load_state_dict(state_dict)
return model- 可以看到在_resnet()的[3，4，6，3]对应的位置，是显示的layers（即layers[0]是3，layers[1]是4，layers[2]是6，layers[3]是3），因此[3，4，6，3]表示按次序生成3个Bottleneck，4个Bottleneck，6个Bottleneck，3个Bottleneck，所以layers[0]是3个Bottleneck，layers[1]是4个Bottleneck，layers[2]是6个Bottleneck，layers[3]是3个Bottleneck。
- 接着判断是否需要预训练(pretrained是否为True)，为True则加载权重后返回模型，为False就直接返回模型。 load_state_dict 方法用预训练的模型参数来初始化你构建的网络结构，该方法有一个重要参数是 strict，默认值为 True，
表示预训练模型的层和你的网络结构层严格对应相等（比如维度和层名）。 - _resnet()中block参数对应的位置就是BasicBlock或Bottleneck。即block就是表示BasicBlock或Bottleneck。
所以一句话概括_resnet()的作用就是先调用Resnet类生成一个Resnet的壳子，若需要预训练则加载权重，不需要就直接返回Resnet的壳子。
接下来就仔细看看Resnet类的代码了：
class ResNet(nn.Module):
def __init__(self, block, layers, num_classes=1000, zero_init_residual=False,
groups=1, width_per_group=64, replace_stride_with_dilation=None,
norm_layer=None):
super(ResNet, self).__init__()
if norm_layer is None:
norm_layer = nn.BatchNorm2d
self._norm_layer = norm_layer
self.inplanes = 64
self.dilation = 1
if replace_stride_with_dilation is None:
# each element in the tuple indicates if we should replace
# the 2x2 stride with a dilated convolution instead
replace_stride_with_dilation = [False, False, False]
if len(replace_stride_with_dilation) != 3:
raise ValueError("replace_stride_with_dilation should be None "
"or a 3-element tuple, got {}".format(replace_stride_with_dilation))
self.groups = groups
self.base_width = width_per_group
self.conv1 = nn.Conv2d(3, self.inplanes, kernel_size=7, stride=2, padding=3,
bias=False)
self.bn1 = norm_layer(self.inplanes)
self.relu = nn.ReLU(inplace=True)
self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.layer1 = self._make_layer(block, 64, layers[0])
self.layer2 = self._make_layer(block, 128, layers[1], stride=2,
dilate=replace_stride_with_dilation[0])
self.layer3 = self._make_layer(block, 256, layers[2], stride=2,
dilate=replace_stride_with_dilation[1])
self.layer4 = self._make_layer(block, 512, layers[3], stride=2,
dilate=replace_stride_with_dilation[2])
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
self.fc = nn.Linear(512 * block.expansion, num_classes)
for m in self.modules():
if isinstance(m, nn.Conv2d):
nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
elif isinstance(m, (nn.BatchNorm2d, nn.GroupNorm)):
nn.init.constant_(m.weight, 1)
nn.init.constant_(m.bias, 0)
# Zero-initialize the last BN in each residual branch,
# so that the residual branch starts with zeros, and each residual block behaves like an identity.
# This improves the model by 0.2~0.3% according to https://arxiv.org/abs/1706.02677
if zero_init_residual:
for m in self.modules():
if isinstance(m, Bottleneck):
nn.init.constant_(m.bn3.weight, 0)
elif isinstance(m, BasicBlock):
nn.init.constant_(m.bn2.weight, 0)
def _make_layer(self, block, planes, blocks, stride=1, dilate=False):
norm_layer = self._norm_layer
downsample = None
previous_dilation = self.dilation
if dilate:
self.dilation *= stride
stride = 1
if stride != 1 or self.inplanes != planes * block.expansion:
downsample = nn.Sequential(
conv1x1(self.inplanes, planes * block.expansion, stride),
norm_layer(planes * block.expansion),
)
layers = []
layers.append(block(self.inplanes, planes, stride, downsample, self.groups,
self.base_width, previous_dilation, norm_layer))
self.inplanes = planes * block.expansion
for _ in range(1, blocks):
layers.append(block(self.inplanes, planes, groups=self.groups,
base_width=self.base_width, dilation=self.dilation,
norm_layer=norm_layer))
return nn.Sequential(*layers)
def forward(self, x):
x = self.conv1(x)
x = self.bn1(x)
x = self.relu(x)
x = self.maxpool(x)
x = self.layer1(x)
x = self.layer2(x)
x = self.layer3(x)
x = self.layer4(x)
x = self.avgpool(x)
x = x.reshape(x.size(0), -1)
x = self.fc(x)
return x一眼看下去不知道该从何入手，但看pytorch的网络，要想知道它的执行顺序是怎么样的，看它的forward方法即可。从ResNet的forward代码来看，它是先经过conv1()，bn，relu和maxpool()。从之前的resnet表格得知，这几层无论是resnet18，resnet34，resnet50，resnet101等等的resnet一开始都必须经过这几层，这是静态的。然后进入四层layer()才是动态以区别具体是resnet18，resnet34，resnet50，resnet101等等中的哪一个。
其实所谓的layer1，2，3，4都是由不同参数的_make_layer()方法得到的。看_make_layer()的参数，发现了layers[0~3]就是上面输入的[3，4，6，3]，即layers[0]是3，layers[1]是4，layers[2]是6，layers[3]是3。我们继续追寻_make_layer()的定义看看这些数字表示什么意思：
def _make_layer(self, block, planes, blocks, stride=1, dilate=False):
norm_layer = self._norm_layer
downsample = None
previous_dilation = self.dilation
if dilate:
self.dilation *= stride
stride = 1
if stride != 1 or self.inplanes != planes * block.expansion:
downsample = nn.Sequential(
conv1x1(self.inplanes, planes * block.expansion, stride),
norm_layer(planes * block.expansion),
)
layers = []
layers.append(block(self.inplanes, planes, stride, downsample, self.groups,
self.base_width, previous_dilation, norm_layer))
self.inplanes = planes * block.expansion
for _ in range(1, blocks):
layers.append(block(self.inplanes, planes, groups=self.groups,
base_width=self.base_width, dilation=self.dilation,
norm_layer=norm_layer))
return nn.Sequential(*layers)(注意：_make_layer()中的planes参数是“基准通道数”，不是输出通道数！！！不是输出通道数！！！不是输出通道数！！！)，我们定位到_make_layer()的第三个(不算上self)参数blocks，在_make_layer()中用到blocks的地方是：
layers = []
layers.append(block(self.inplanes, planes, stride, downsample, self.groups,
self.base_width, previous_dilation, norm_layer))
self.inplanes = planes * block.expansion
for _ in range(1, blocks):
layers.append(block(self.inplanes, planes, groups=self.groups,
base_width=self.base_width, dilation=self.dilation,
norm_layer=norm_layer))可以看到其实blocks这个整数就是表示生成的block的数目。由于在resnet50填入的block是Bottleneck，所以blocks表示Bottleneck的数目。因此[3，4，6，3]表示按次序生成3个Bottleneck，4个Bottleneck，6个Bottleneck，3个Bottleneck。这个表格中resnet50的结构是一致的。所以layers[0]是3个Bottleneck，layers[1]是4个Bottleneck，layers[2]是6个Bottleneck，layers[3]是3个Bottleneck。综合来说
4、ResNet50的分析
4.1 解决的问题
由于梯度消失，深层网络很难训练。因为梯度反向传播到前面的层，重复相乘可能使梯度无穷小。结果就是，随着网络的层数更深，其性能趋于饱和，甚至迅速下降。
4.2 核心思想
引入一个恒等映射（也称之为跳跃连接线），直接跳过一个或者多个层，尺寸一样时可以相加，尺寸，当尺寸不一样时，需要进行downsample操作，使得维度一致。
- 在网络上堆叠这样的结构，就算梯度消失，我什么也学不到，我至少把原来的样子恒等映射了过去，相当于在浅层网络上堆叠了“复制层”，这样至少不会比浅层网络差。
- 万一我不小心学到了什么，那就赚大了，由于我经常恒等映射，所以我学习到东西的概率很大。
- 恒等映射分两种：高宽不变，维度变；高宽变为二分之一，维度变
4.3 数学推导
关于为什么残差结构（即多了一条跳跃连接线后）为什么一定程度缓解了梯度消散的数学推导：
4.4 50层的由来
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
