经典CNN网络：Resnet18网络结构输入和输出

前言

      Q1:每当看到一个新的网络，总会思考，这个网络提出来有什么意义，解决了什么问题？

      Resnet18中的resnet就时网络结构呗，18应该是权重层的数量(参照VGG16的命名方法，应该时这样理解)。

     Q2:为什么会出现Resnet18的结构？串联结构的VGG不行吗？不用16,用56行不行？

答：

    (1)   随着网络越来越深，训练变得原来越难，网络的优化变得越来越难。理论上，越深的网络，效果应该更好；但实际上，由于训练难度，过深的网络会产生退化问题，效果反而不如相对较浅的网络(随着层数的增多，训练集上的效果变差,这被称为退化问题)

   (2)  随着网络越来越深,当堆叠到一定网络深度时，就会出现梯度消失或梯度爆炸问题

    所以说也不是不能用56，但是没必要，可能串联起来的效果还不好，那就不用了。

   那我就是想要更深的网络结构，怎么办(你这是在为难我胖虎)？何恺明大神来帮你解决！！！

Resnet18

1.残差网络

     残差网络是由一系列残差块组成的。一个残差块可以用下图表示，输入通过多次卷积，然后与输入相加

2.网络结构图

图片截取(https://blog.csdn.net/weixin_36979214/article/details/108879684?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162374909216780265420718%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162374909216780265420718&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-108879684.first_rank_v2_pc_rank_v29&utm_term=pytorch+resnet18&spm=1018.2226.3001.4187)

     看看卷积层有17个，FC层1个，所以是18。要计算输入可输出尺寸可以看图片，不清楚计算公式可以参考https://blog.csdn.net/weixin_43999691/article/details/117565500?spm=1001.2014.3001.5501

注意点：

(1)这里有虚线和实线，代表什么呢？实线表示残差块中的通道数没有变化，虚线表示通道数变化，例如64->128。

(2)那通道数变化了怎么办？通过1*1卷积调整一下通道数，然后将步长调整成2就行了呀。

 

大神提出的东西就是这么朴实，不像有些学者，讲一大堆理论，说名词，还说不清楚(小小吐槽一下)。