pytorch 训练数据以及测试 全部代码(8) 对resnet也就是(5),(6),(7) 网络的梳理

输入：6x3x512x512

输出：6x21x512x512

resnet101是除去最后的全连接层，得到浅层的输出low_level_feature为6x256x128x128,深层的输出X为6x2048x32x32

详细的网络图如下图：

4个ASPP全部输出X1，X2，X3，X4都是6x256x32x32

global_avg_pool：输入是6x2048x32x32

self.global_avg_pool = nn.Sequential(nn.AdaptiveAvgPool2d((1, 1)),
                                     nn.Conv2d(2048, 256, 1, stride=1, bias=False),
                                     nn.BatchNorm2d(256),
                                     nn.ReLU())

输出是6x256x1x1，接着进行向上采样（upsample函数可参考https://blog.csdn.net/zz2230633069/article/details/83279626）得到X5为6x256x32x32

X1, X2, X3, X4, X5合并在一起得到X为6x1280x32x32,然后经过卷积得到6x256x32x32，经过向上采样得到6x256x128x128

左边的主线说完了，再看右边

low_level_features为6x256x128x128,经过卷积得到6x48x128x128

左右两边合并得到X为6x304x128x128

经过last_cov得到为6x21x128x128

经过upsample得到最终的输出为：6x21x512x512

最后把完整的带有输出shape的图给出，如下：

到这里，整个基于resnet101的网络就讲解完了

下面的内容就是基于xception的网络