Pytorch 实现 Xception 模型，并从 TensorFlow 直接转化预训练参数

        本文作为下一篇文章（实现 DeepLab V3+ 语义分割模型）的前传，旨在用 Pytorch 实现 Xeption 分类模型。作为语义分割模型 DeepLab V3+ 的特征提取器，这里实现的 Xception 和论文中的模型在结构上有一些差别，具体为：

• 全卷积，所有最大池化层都被步幅为 2 的可分离卷积替代
• 加入了更多的批标准化（Batch Normalization）

        本文实现的 Xception 模型完全参照了其官方的 TensorFlow 实现（官方实现），甚至可以说就是简单的翻译。另外，为了便于使用，以及不需要耗费时间在 ImageNet 上训练就能得到预训练参数，我们还提供了用于直接将 TensorFlow 的预训练参数转化为 Pytorch 参数的代码。

        本文的所有代码见 GitHub: Xception，使用方式也已附在上面。

【参考】
从 TensorFlow 转化预训练参数参考了 EfficientNet-PyTorch 这个项目，具体文件为：load_tf_weights.py。