写在前面
开始学习啦！
首先是论文的一些基本情况介绍：
网络的结构图：
网络中的亮点一：超深的网络结构
如果只是普通卷积层和池化层的堆叠，网络层数越多，效果越差。产生的原因：梯度消失 / 爆炸问题 和 退化问题
梯度消失：假设每一层的误差梯度都是一个＜1 的数，那么在反向传播的过程中，每向前传播一层，都要乘以一个＜1 的系数。那么当网络越来越深的时，乘上＜1 的系数就越来越多，梯度越来越小，趋近于 0。
梯度爆炸：假设每一层的误差梯度都是一个＞1 的数，那么在反向传播的过程中，每向前传播一层，都要乘以一个＞1 的系数。那么当网络越来越深的时，乘上＞1 的系数就越来越多，梯度越来越大。
这两种现象如何解决：
- 数据标准化处理
- 权重初始化
- BN（Batch Normalization）
退化问题：解决完梯度消失和爆炸的问题后，任然会存在层数深的效果不如层数浅的效果好。
如何解决：残差结构
（2020.10.22补充）为什么 ResNet 可以解决这种退化问题？
参考：
网络中的亮点二：残差模块
正是因为有了残差结构，所以网络才能层数越多效果越好。
残差结构有两种，左图的适用于网络层数较少的网络；右图适用于网络层数较多的网络。
注意，因为有 element-wise 的矩阵相加操作，所以主分支的输出特征与 shortcut 的输入矩阵 shape 必须相同。
左图：右图：在残差结构的输入和输出加上了 1*1 的卷积层，主要用来降维和升维的。右图输入的 channels 数为 256，经过第一个 1*1 卷积层后，降维为 64 个 channels（高、宽不变）；再通过一个 3*3 的卷积层，channels 数不变；最后，经过一个 1*1 卷积层后，升维为 256 个 channels（高、宽不变）。所以出来后的高、宽、channels 数与输入一致（高宽为何一致？加了 zero-padding？待深入阅读源码及论文）。
右图的参数比左图少。具体计算过程图中是假设左右两边输入都是 256 个 channels 来计算的。
为什么经过 conv3*3 层之后 feature map 的高宽不变？
解答：因为有 padding.
不同层数的 ResNet 网络结构图：
补充：
1、各层 output size 的计算方法
2、ResNet 的网络实现代码：
https://github.com/BizhuWu/vision/blob/master/torchvision/models/resnet.py
3、ResNet 网络结构分析：
https://zhuanlan.zhihu.com/p/79378841
4、卷积层中的 dilation 参数：
当遇上残差结构的输入输出尺寸不一致时，如 Con3_x 的第一个残差结构（输入是 【56，56，64】，输出是【28，28，128】），用 stride = 2 来解决。
注意：只有在 Conv3_x、Conv4_x 和 Conv5_x 中的第一个残差结构（即 Conv3_1、Conv4_1 和 Conv5_1）才使用右边的虚线结构。其他残差结构都使用左边的实线结构。
细节：为什么 Conv2_x 的第一个残差结构不用虚线结构呢？
刚好 18 和 24 层的 ResNet 在经过 3*3 的 max pooling 后，输出的 shape 刚好满足 Conv2_x 的第一个残差结构需要的输入 shape。
但 50、101、152 层的 ResNet 网络结构中 Conv2_x 的第一个残差结构就需要用虚线结构！但与 Conv3_x、Conv4_x、Conv5_x 的第一个残差（虚线）结构也有不同的地方：Conv2_x 的第一个残差结构只调整特征矩阵的 channels 数目，高和宽不变。
网络中的亮点三：使用 BN 加速训练（丢弃 dropout）
搬运 blog 地址：
笔记：
1、通过 BN 可以加速网络的收敛并提升准确率。
2、BN 的目的就是使 feature map 满足均值为 0，方差为 1 的分布规律。
3、计算一个 batch 里所有数据某个 channels（）的均值、方差；再对这个 batch 里所有数据的这个 channels（）进行标准化处理。
4、训练时，需要将 training 参数设置为 True；验证时将 training 参数设置为 False。在 PyTorch 中可通过创建模型的model.train() 和 model.eval（) 方法控制。
5、Batch Size 尽可能设置大一些，越大越接近整个训练集的 mean 和 variance。
6、BN 层放在 卷积层 和 激活层 之间，并且卷积层不要使用偏置 bias
