detectron代码理解（一）：Resnet模型构建

这里具体以resnet50为例进行说明，一句一句地分析代码，代码位置位于Resnet.py，具体的分析函数为add_ResNet_convX_body.

在分析之前首先贴上resnet50的代码结构图：

# add the stem (by default, conv1 and pool1 with bn; can support gn)
p, dim_in = globals()[cfg.RESNETS.STEM_FUNC](model, 'data')

这里p = gpu_0/pool1，dim_in = 64

从上面的图可以看出，p就是经过开始的3×3的pooling得到的，因为前面的卷积个数为64，poll不改变特征图个数，所以输出的dim_in = 64。这里之所以称为dim_in是相对与下面bottleneck是输入。

dim_bottleneck = cfg.RESNETS.NUM_GROUPS * cfg.RESNETS.WIDTH_PER_GROUP
(n1, n2, n3) = block_counts[:3]  #

dim_bottleneck的数值与GPU的数量有关，GPU的数量乘以这个一个基本的数值cfg.RESNETS.WIDTH_PER_GROUP就得到了dim_bottleneck，这里dim_bottleneck = 64。

(n1, n2, n3) = (3，4，6)。这里的n1是表格中conv2_x中的3，代表3个residual block，n2，n3同理

s, dim_in = add_stage(model, 'res2', p, n1, dim_in, 256, dim_bottleneck, 1)

添加第一个stage，其中（下面所述的表格中的都是，conv2_x这一行的）

（1）p为输入，即gpu_0/pool1

（2）n1为block的数目，

（3）dim_in是输入特征图的大小，即上面所述的64

（4）256表示经过这个stage后输出的特征图数量，对应表格中的256

（5）dim_bottleneck=64，对应表格中的64

我们再来看stage函数，是一个for循环，同过循环来依次添加resiual block，n=3，也就是添加3个

def add_stage(
    model,
    prefix,
    blob_in,
    n,
    dim_in,
    dim_out,
    dim_inner,
    dilation,  # 相当于padding参数
    stride_init=2
):
    """Add a ResNet stage to the model by stacking n residual blocks."""
    # e.g., prefix = res2
    for i in range(n):
        blob_in = add_residual_block(
            model,
            '{}_{}'.format(prefix, i),
            blob_in,
            dim_in,
            dim_out,
            dim_inner,
            dilation,
            stride_init,
            # Not using inplace for the last block;
            # it may be fetched externally or used by FPN
            inplace_sum=i < n - 1
        )
        print(blob_in)
        dim_in = dim_out
    return blob_in, dim_in

add_stage这个函数会调用到add_residual_block函数，应该很容易的理解到，对于conv2_x这个stage每一个residual block的输出都是256个featuremap。

同时还要理清相关的关系，于第一个residual block，下面的dim_in是64，是上面pool的输出。对于第二个residual block，这时候的dim_in就是第一个residual block的输出了，也就是256，不过中间的dim_inner仍是64，其目的是减少参数，最后的输出dim_out也还是256。第三个residual block同理，对应表格就能很清楚的明白。

def add_residual_block(
    model,
    prefix,
    blob_in,
    dim_in,
    dim_out,
    dim_inner,
    dilation,
    stride_init=2,
    inplace_sum=False
):
    """Add a residual block to the model."""
    # prefix = res_, e.g., res2_3

    # Max pooling is performed prior to the first stage (which is uniquely
    # distinguished by dim_in = 64), thus we keep stride = 1 for the first stage
    stride = stride_init if (
        dim_in != dim_out and dim_in != 64 and dilation == 1
    ) else 1

    # transformation blob  dim_in表示输入，dim_out表示输出，dim_inner表示中间
    tr = globals()[cfg.RESNETS.TRANS_FUNC](
        model,
        blob_in,
        dim_in,
        dim_out,
        stride,
        prefix,
        dim_inner,
        group=cfg.RESNETS.NUM_GROUPS,
        dilation=dilation
    )

    # sum -> ReLU
    # shortcut function: by default using bn; support gn  恒等映射
    add_shortcut = globals()[cfg.RESNETS.SHORTCUT_FUNC]
    sc = add_shortcut(model, prefix, blob_in, dim_in, dim_out, stride)  #恒等映射
    if inplace_sum:
        s = model.net.Sum([tr, sc], tr) #第二个参数相当于命名
    else:
        s = model.net.Sum([tr, sc], prefix + '_sum')

    return model.Relu(s, s)

最后生成的模型结构（加粗部分是该stage最终的输出，res2_0表示第二层的第一个residual block，res2_1表示第二层的第二个residual block）

conv2_x	gpu_0/res2_0_branch2c_bn gpu_0/res2_1_branch2c_bn gpu_0/res2_2_sum
conv3_x	gpu_0/res3_0_branch2c_bn gpu_0/res3_1_branch2c_bn gpu_0/res3_2_branch2c_bn gpu_0/res3_3_sum
conv4_x	gpu_0/res4_0_branch2c_bn gpu_0/res4_1_branch2c_bn gpu_0/res4_2_branch2c_bn gpu_0/res4_3_branch2c_bn gpu_0/res4_4_branch2c_bn gpu_0/res4_5_sum
conv5_x	gpu_0/res5_0_branch2c_bn gpu_0/res5_1_branch2c_bn gpu_0/res5_2_sum