ResNet50 网络结构搭建(PyTorch)

最新推荐文章于 2025-06-12 18:00:26 发布

New WR

最新推荐文章于 2025-06-12 18:00:26 发布

阅读量4.6w

点赞数 72

CC 4.0 BY-SA版权

分类专栏：深度学习-理论文章标签： pytorch 深度学习 cnn

本文链接：https://blog.youkuaiyun.com/New_WR/article/details/121777644

ResNet50是一个经典的特征提取网络结构，虽然Pytorch已有官方实现，但为了加深对网络结构的理解，还是自己动手敲敲代码搭建一下。需要特别说明的是，笔者是以熟悉网络各层输出维度变化为目的的，只对建立后的网络赋予伪输入并测试各层输出，并没有用图像数据集训练过该网络（后续会用图像数据集测试并更新博客）。

1 预备理论

在动手搭建ResNet50以前，首先需要明确ResNet系列网络的基本结构，其次复习与卷积相关的几个知识点，以便更好地理解网络中间输出维度的变化。

1.1 ResNet系列

1.1.1 几种网络基本配置

ResNet原文中的表格列出了几种基本的网络结构配置：

在这里插入图片描述

从上表可以看出，对于不同深度的ResNet有以下几个特点，请特别关注（3）（4）：

（1）起始阶段都经历了相同的conv1和maxpool的过程。

（2）不同深度的ResNet都是由基本残差块堆叠而成。 18,34-layer的基本模块记为Basicblock，包含2次卷积；50,101,152layer的基本模块记为Bottleneck，包含3次卷积（1.1.2节会详细说明）。

在这里插入图片描述

n-layer确定的情况下，称i阶段为convi_x过程，i∈{2,3,4,5}：

（3）2阶段堆叠的残差块完全相同。 因为输入到输出是56→56，无下采样过程。

（4）3至5阶段堆叠的第一个残差块和其余残差块是不同的。 解释：每个阶段均对特征图像大小进行下采样。以50layer–conv3_x为例，仔细思考残差块的堆叠模式可以发现，下采样过程发生在4个堆叠残差块中的第一个，因为这里实现了特征图尺寸从56→28的过程；而对于其余3个残差块，特征图的维度全部是28→28，因此这3个的结构是完全相同的（如果这里我没有表述清楚，可以参看下面的图和末尾的表）。其余阶段同理。

1.1.2 基本残差块的两种模式

以下将以问答的形式来理解基本残差块的两种模式，由于本文关注ResNet50的实现，因此以下以Bottleneck为例说明，对于Basicblock可以类比。

为什么需要下采样?

下采样是才特征提取网络中经常使用的操作，潜在的作用是增强特征的变换不变性，减少特征参数防止过拟合，具体表现为特征图像尺寸逐渐缩小，通道数逐渐增加。
为什么Bottleneck有两种模式？

请回顾1.1.1节中的表格，对于绿色交界处，特征图维度不变，而对于红色交界，特征图维度变化，说明这里需要进行一次下采样。以50layer–conv3_x为例，这一阶段共堆叠了4个残差块。红色交界有一次下采样，并且在第一个残差块实现，我们称其为Bottleneck_down；对于后面3个残差块，特征图的尺寸均不发生变化，不进行下采样，记为Bottleneck_norm。具体可以参考下面的红绿线辅助理解。这一规律对于conv3_x, conv4_x, conv5_x都是成立的。

特别的是，对于conv2_x，其堆叠的残差块都是相同的。
下采样的卷积实现思路?

在PyTorch中使用nn.Conv2d实现卷积，通常会使用的参数如下：
```
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, bias=True)
```
因此实现下采样会用到如下操作（虽然还不够具体，是个思路雏形）：
- 特征图尺寸减半：卷积步长stride=2。
- 特征图通道加倍：卷积核数目out_channels=4*in_channels（因为H/2,W/2，特征图缩小为1/4，所以通道数x4）。
下采样的具体实现？

参照上面的思路，Bottleneck的两种模式如下：实现的关键点就是我们需要判断出当前位置需要哪种模式，并设置正确的卷积步长。具体实现请参看2.1节。

1.2 2维卷积后的特征图维度变化

下面我们来回顾一下卷积的过程前后输入特征图维度的变化。

下图是一个k x k x C_in大小的卷积核在 H_in x W_in x C_in 大小的特征图上进行二维卷积的过程。对于单个卷积核而言，它将在 H_in x W_in 的平面上进行滑动，并按照一下公式输出一张维度为 H_out x W_out x 1 大小的特征图；而输出特征图的数量取决于卷积核的数量filter_num。
在这里插入图片描述

2 代码实现

以下我们分别将Bottleneck和ResNet50作为类来实现，而Bottleneck是ResNet50中堆叠的基本残差块。

2.1 Bottleneck实现

为了实现Bottleneck的两种模式配置，我们需要利用downsample控制shortcut支路特征图尺寸和通道数变换（这里先知道downsample的功能即可，具体实现见ResNet类）。

这里解释一下，downsample是shortcut支路的网络结构。如果当前残差块的输入和输出的特征维度大小相同，那么shortcut的输出直接继承原始输入x就好的（代码中暂存为了identity变量）；而如果当前残差块的输入与输出特征图的尺寸大小和通道数不一致，即需要在shortcut支路也完成下采样的操作。

def forward(self, x):
    identity = x    # 将原始输入暂存为shortcut的输出
    if self.downsample is not None:
        identity = self.downsample(x)   # 如果需要下采样，那么shortcut后:H/2，W/2。C: out_channel -> 4*out_channel(见ResNet中的downsample实现)

以下是Bottleneck类的完整实现，可以对照ResNet50的表格查看。

# todo Bottleneck
class Bottleneck(nn.Module):
    """
    __init__
        in_channel：残差块输入通道数
        out_channel：残差块输出通道数
        stride：卷积步长
        downsample：在_make_layer函数中赋值，用于控制shortcut图片下采样 H/2 W/2
    """
    expansion = 4   # 残差块第3个卷积层的通道膨胀倍率
    def __init__(self, in_channel, out_channel, stride=1, downsample=None):
        super(Bottleneck, self).__init__()

        self.conv1 = nn.Conv2d(in_channels=in_channel, out_channels=out_channel, kernel_size=1, stride=1, bias=False)   # H,W不变。C: in_channel -> out_channel