ResNet的学习笔记~
1 前言
今天在学习ResNet~
一直在学习和研究ResNet,不过有些东西一直没有弄懂,觉得还是需要通过实验来验证一下,
今天在学习CS231n时,Yang助教又讲到ResNet,这里我们再来复习和梳理一下ResNet的创作思想~
首先,ResNet解决了一个什么样的问题呢?
2 恒等映射的问题
根据Yang助教的说法,ResNet想要解决的问题是“恒等映射的问题”,
也就是,CNN网络无法拟合恒等映射;
具体来说,就是:何教授认为,“conv+relu+conv”的三层结构无法拟合恒等映射,也就是,函数映射:f(x):y=xf(x): \boldsymbol y =\boldsymbol xf(x):y=x。
(这里的我们将应变量和自变量都用函数表示,因为从广义看来,机器学习中所拟合的所有映射,最终都可以认为是两个列向量之间的函数映射)
那么实际情况是这样吗?
我们可以跟随吴教授在机器学习中的学习次序,来一一进行分析,
我们在 Machine Leanring课程中,依次学习的机器学习算法分别为:线性回归、逻辑回归和神经网络(NN网络)算法,其中,CNN网络可以看做NN网络的一种简化网络。
首先,我们来看看线性回归,
对于线性回归来说,其模型的函数映射为:y=Wx+b\boldsymbol y =\boldsymbol W \boldsymbol x+by=Wx+b,
可以看到,线性回归是可以拟合恒等映射的,
当W\boldsymbol WW为单位矩阵,b=0b=0b=0时,则有y=Wx+b=x\boldsymbol y =\boldsymbol W \boldsymbol x+b=\boldsymbol xy=Wx+b=x,即实现了恒等映射;
我们再来看看逻辑回归,
3 PyTorch代码阅读笔记
4 PaddleDetection代码阅读笔记
PaddleDetection中resnet的实现链接PaddleDetection–resnet.py
4.1 Module备注
_conv_norm—也就是conv+norm+relu
这里的_conv_norm
也就是“conv+norm+relu”三者的合并;
4 备注
4.1 50层以上的ResNet和50层以下ResNet在实现上有什么区别?
50层以上的ResNet,例如:ResNet-101,使用了Bottleneck的结构,它会使得层数增加4倍,具体来说,就是输出的特征图的channel数是输入特征图channel的4倍,(而一般的Block输入输出的层数相同),
在PyTorch官方实现中,用 expansion = 4表示这个;
inplanes是输入的维度,对应Conv2d()
的in_channels
参数;
planes是输出维度,对应BatchNorm2d
的num_features
参数;
4.2 为什么PyTorch官方实现时,conv函数的 bias = False?
因为PyTorch的官方实现在卷积层后面加入了BN的操作,BN技术中会为参数的分布添加偏置参数,所以就不需要使用conv的bias参数了;
ResNet的学习笔记~相关推荐
- ResNet网络学习笔记。
ResNet网络学习 看b站 霹雳吧啦Wz 的视频总结的学习笔记! 视频的地址 大佬的Github代码 1.ResNet详解 ResNet 网络是在2015年由微软实验室提出,斩获当年 ImageNe ...
- ResNet 小白学习笔记
写在前面 直接看论文对我这个小白来说太不友好了,几次放弃 /(ㄒoㄒ)/~~ .幸好找到了一个通俗易懂的视频:6.1 ResNet网络结构,BN以及迁移学习详解,以下笔记大部分基于视频内容,再补充了一 ...
- Cifar10与ResNet18实战、lenet5、resnet(学习笔记)
1.44.Cifar10与ResNet18实战 Pytorch工程中建立pytorch,在pytorch里面创建lenet5.py.main.py.resnet.py. 1.44.1.lenet5.p ...
- resnet50网络结构_学习笔记(一):分析resnet源码理解resnet网络结构
最近在跑实验的过程中一直在使用resnet50和resnet34,为了弄清楚网络的结构和原理的实现,打开resnet的源码进行了学习. 残差网络学习的原理 针对神经网络过深而导致的学习准确率饱和甚至是 ...
- 深度学习入门之PyTorch学习笔记:卷积神经网络
深度学习入门之PyTorch学习笔记 绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 4.1 主要任务及起源 4.2 卷积神经网络的原理和结构 4.2.1 卷积层 1. ...
- AI学习笔记(十四)CNN之图像分割
AI学习笔记之CNN之图像分割 图像分割 问题引入 实现技术手段及分类 语义分割-FCN(Fully Convolutional Networks) FCN--deconv 反卷积的具体步骤 Unpo ...
- AI学习笔记(十一)CNN之图像识别(上)
AI学习笔记之CNN之图像识别(上) 图像识别 图像识别简介 模式识别 图像识别的过程 图像识别的应用 分类与检测 VGG Resnet 迁移学习&inception 卷积神经网络迁移学习fi ...
- AI学习笔记(十一)CNN之图像识别(下)
AI学习笔记之CNN之图像识别(下) 图像识别 图像识别简介 模式识别 图像识别的过程 图像识别的应用 分类与检测 VGG Resnet 迁移学习&inception 卷积神经网络迁移学习fi ...
- AI学习笔记(十二)物体检测(上)
AI学习笔记之物体检测(上) 物体检测简介 常见检测网络 IOU TP.TN.FP.FN precision(精确度)和recall(召回率) 边框回归 边框回归具体方法 Selective Sear ...
最新文章
- String.Index
- NOIp 图论算法专题总结 (1):最短路、最小生成树、最近公共祖先
- keepalived(6)——lvs和arrp集成操作(2)——完成
- UINavigationController扩展
- 1535C. Unstable String
- MSSQL中实现多表更新
- Linux开机自动启动软件/可执行程序方法
- 2017.12.1T19_B2_6
- ORACLE关联查询
- ILSpy c#反编译工具,附下载地址
- 现代通信原理思维导图--第二章 确知信号
- 本土化Linux系统,科学网—linux本地化进行lefse分析 - 林国鹏的博文
- esp32-qcloud腾通连连编译指南
- Blockly与Scratch3.0的比较分析
- 腾讯投资“差评”遭舆论讨伐,或被迫退股!!
- 《区块链技术与应用》读书笔记
- UVA - 1600 Patrol Robot (巡逻机器人)(bfs)
- 一个5M免费JSP空间
- 国内电子商务从业人员需要具备哪些知识?
- 盘点 2021 年严重的网络攻击事件