别再死记ResNet结构了!用PyTorch手把手带你复现ResNet-50(附完整代码与可视化)

news2026/5/19 15:30:26
从零构建ResNet-50PyTorch实战与架构解密当你第一次看到ResNet的残差连接时是否曾被那个跳跃的结构所困惑为什么简单的跨层连接就能解决深度网络的退化问题本文将以工程师视角带你用PyTorch从第一行代码开始完整实现ResNet-50的核心架构。不同于单纯调用现成模型我们将深入每个Bottleneck模块的设计细节甚至教你用Hook机制可视化特征图的变化过程。1. 残差网络的核心思想2015年微软研究院提出的ResNet在ImageNet竞赛中以3.57%的错误率夺冠其核心创新在于残差学习Residual Learning。传统神经网络尝试直接拟合目标函数H(x)而ResNet转而学习残差F(x) H(x) - x。这种转变看似简单却解决了深度网络训练中的梯度消失难题。残差块的关键组件恒等映射当输入输出维度一致时直接相加x F(x)投影映射维度不匹配时通过1x1卷积调整通道数Bottleneck设计先用1x1降维3x3卷积处理再用1x1升维class BasicBlock(nn.Module): def __init__(self, in_channels, out_channels, stride1): super().__init__() self.conv1 nn.Conv2d(in_channels, out_channels, kernel_size3, stridestride, padding1, biasFalse) self.bn1 nn.BatchNorm2d(out_channels) self.conv2 nn.Conv2d(out_channels, out_channels, kernel_size3, stride1, padding1, biasFalse) self.bn2 nn.BatchNorm2d(out_channels) # 捷径连接 self.shortcut nn.Sequential() if stride ! 1 or in_channels ! out_channels: self.shortcut nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size1, stridestride, biasFalse), nn.BatchNorm2d(out_channels) ) def forward(self, x): out F.relu(self.bn1(self.conv1(x))) out self.bn2(self.conv2(out)) out self.shortcut(x) # 残差连接 return F.relu(out)注意所有卷积层后都紧跟BatchNorm这是ResNet稳定训练的关键。原始论文中ReLU放置在残差相加之后但现代实现常将ReLU放在相加前。2. ResNet-50的Bottleneck架构ResNet-50与34层版本的最大区别在于使用了Bottleneck结构。这种设计通过1x1卷积先压缩再扩展通道数大幅减少了参数量。让我们拆解一个典型的Bottleneck模块操作类型卷积核尺寸输入通道输出通道步长参数量计算1x1卷积1x1256641256×64×1×116,3843x3卷积3x36464164×64×3×336,8641x1卷积1x164256164×256×1×116,384捷径1x1卷积*1x12562561256×256×1×165,536*仅当输入输出维度不匹配时需要class Bottleneck(nn.Module): expansion 4 # 最终输出通道是中间层的4倍 def __init__(self, in_channels, out_channels, stride1): super().__init__() mid_channels out_channels // self.expansion self.conv1 nn.Conv2d(in_channels, mid_channels, kernel_size1, biasFalse) self.bn1 nn.BatchNorm2d(mid_channels) self.conv2 nn.Conv2d(mid_channels, mid_channels, kernel_size3, stridestride, padding1, biasFalse) self.bn2 nn.BatchNorm2d(mid_channels) self.conv3 nn.Conv2d(mid_channels, out_channels, kernel_size1, biasFalse) self.bn3 nn.BatchNorm2d(out_channels) self.shortcut nn.Sequential() if stride ! 1 or in_channels ! out_channels: self.shortcut nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size1, stridestride, biasFalse), nn.BatchNorm2d(out_channels) ) def forward(self, x): out F.relu(self.bn1(self.conv1(x))) out F.relu(self.bn2(self.conv2(out))) out self.bn3(self.conv3(out)) out self.shortcut(x) return F.relu(out)参数计算技巧每个卷积层的参数量 输入通道 × 输出通道 × 核宽 × 核高BatchNorm参数量 2 × 输出通道均值方差全连接层参数量 输入特征 × 输出特征 偏置3. 完整网络组装与配置ResNet-50由多个阶段stage组成每个阶段包含若干Bottleneck块且特征图尺寸逐步减半。以下是各阶段的配置表阶段块类型输出尺寸块数量总层数conv17x7卷积112x11211pool3x3最大池化56x5611stage1Bottleneck56x5639stage2Bottleneck28x28412stage3Bottleneck14x14618stage4Bottleneck7x739avgpool全局平均池化1x111fc全连接层1000类11def make_layer(block, in_channels, out_channels, num_blocks, stride): layers [] # 第一个块可能需要下采样 layers.append(block(in_channels, out_channels, stride)) # 后续块保持尺寸不变 for _ in range(1, num_blocks): layers.append(block(out_channels, out_channels, stride1)) return nn.Sequential(*layers) class ResNet(nn.Module): def __init__(self, block, num_blocks, num_classes1000): super().__init__() self.in_channels 64 self.conv1 nn.Conv2d(3, 64, kernel_size7, stride2, padding3, biasFalse) self.bn1 nn.BatchNorm2d(64) self.maxpool nn.MaxPool2d(kernel_size3, stride2, padding1) self.layer1 make_layer(block, 64, 256, num_blocks[0], stride1) self.layer2 make_layer(block, 256, 512, num_blocks[1], stride2) self.layer3 make_layer(block, 512, 1024, num_blocks[2], stride2) self.layer4 make_layer(block, 1024, 2048, num_blocks[3], stride2) self.avgpool nn.AdaptiveAvgPool2d((1, 1)) self.fc nn.Linear(2048, num_classes) def forward(self, x): x F.relu(self.bn1(self.conv1(x))) x self.maxpool(x) x self.layer1(x) x self.layer2(x) x self.layer3(x) x self.layer4(x) x self.avgpool(x) x torch.flatten(x, 1) x self.fc(x) return x4. 模型验证与特征可视化构建完网络后我们需要验证其输出尺寸是否符合预期。以下代码可以快速检查各阶段的张量形状def check_shapes(): model ResNet(Bottleneck, [3, 4, 6, 3]) x torch.randn(1, 3, 224, 224) # 模拟输入图像 print(输入尺寸:, x.shape) layers [ model.conv1, model.bn1, model.maxpool, model.layer1, model.layer2, model.layer3, model.layer4, model.avgpool, model.fc ] for layer in layers: x layer(x) print(f{layer.__class__.__name__}: {x.shape})特征可视化技巧使用TensorBoard的add_graph功能可视化计算图注册forward hook捕获中间层输出def register_hooks(model): features {} def get_hook(name): def hook(module, input, output): features[name] output.detach() return hook for name, layer in model.named_modules(): layer.register_forward_hook(get_hook(name)) return features使用torchviz生成动态计算图from torchviz import make_dot make_dot(model(x), paramsdict(model.named_parameters()))5. 预训练模型加载与微调PyTorch官方提供了预训练的ResNet-50模型我们可以直接加载并用于迁移学习from torchvision.models import resnet50 # 加载预训练模型 model resnet50(pretrainedTrue) # 冻结所有卷积层 for param in model.parameters(): param.requires_grad False # 替换最后的全连接层 num_features model.fc.in_features model.fc nn.Linear(num_features, 10) # 假设新任务有10类 # 仅训练最后的分类层 optimizer torch.optim.Adam(model.fc.parameters(), lr0.001)微调策略对比方法训练参数比例适用场景注意事项全冻结0%小数据集只能学习新分类头部分层解冻10-30%中等规模数据通常解冻最后几个Bottleneck块全模型微调100%大数据集或领域差异大需要更小的学习率在实际项目中我发现当目标数据集与ImageNet差异较大时如医学图像解冻所有层并采用分层学习率效果更好# 分层设置学习率 optimizer torch.optim.Adam([ {params: model.conv1.parameters(), lr: 1e-5}, {params: model.layer1.parameters(), lr: 1e-4}, {params: model.layer2.parameters(), lr: 1e-4}, {params: model.layer3.parameters(), lr: 1e-3}, {params: model.layer4.parameters(), lr: 1e-3}, {params: model.fc.parameters(), lr: 1e-2} ])

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2625382.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…