【图像分类】4.ResNet残差模块卷积网络的神

【图像分类】4.ResNet残差模块卷积网络的神_第1张图片
【图像分类】4.ResNet残差模块卷积网络的神_第2张图片


ResNet重要性不必多说了吧,论文引用破10w,是我见过最多的,yyds!

在对照博主霹雳吧啦和官方pytorch的代码下,手撸一个resnet。如果没有看着代码写,不确定自己是否能根据论文写出model,而且写优雅代码。

如何写优雅代码?

  1. 定义基本的block【residual block有两种】
  2. 组合block 到 layer[or stage] 【_make_layer()】

Resnet代码注意点:
* 每个layer【除第一个外】的第一个block 都通过 conv 的stride=2 对 shape降采样


本节还讲了 bn, 迁移学习 载入权重

bn使用注意点:

  1. model.eval()
  2. batch_size 设置大
  3. conv - bn- relu,卷积层不用bias

迁移学习:

 1. 替换最后一层为自己的分类数

#pytorch[话题]# #深度学习[话题]# #深度学习与神经网络[话题]# #人工智能[话题]#

如何增加代码亲和力?

多看多写多练

你可能感兴趣的:(【Pytorch学习】,分类,深度学习,人工智能)