ResNeSt的代码阅读（pytorch版本）ResNeSt Split-Attention Networks

Torch版本主要分为四部分，ResNet、ResNeSt、split-attention和ablation

split-attention模块也就是下面的图：

上图对应论文中的：

ResNet就是基本的resnet的编码：
class Bottleneck(nn.Module):
就是对ResNet的bottleneck的编写，需要说的是，全局平均池化没有采用之前的网络采取对池化函数进行编码的方式，如下所：

而是采用的一个函数：

与此同时，split-attention也是放在了bottleneck函数中，如下：

由上可知放在了bottleneck的第二层，bottleneck一共三层。

然后进行ResNet网络的编写，也就是下面这一部分：

了解这些参数就不难读懂写的结构：

网络的结构如下：
第一层conv1

conv2-4-x

ResNeSt就是预训练成为对应的网络，代码中有四种：

下面是ResNeSt-200的网络结构

3,24,36,3是对应的ResNet的bottleneck的数量，bottleneck在ResNet文件中有定义，四个网络的实验结果如论文中所示：

ablation就是消融实验，对应文章中的table2

0s表示使用ResNet-D中的标准残差块

实际上代码里有七个数据，如下图所示，也就是说实际实验有八个，即下图的七个和一个标准的。

网络的相关设置就是名称所代表的含义。下面是一个例子：