CNN(七)：ResNeXt-50算法的思考-Toy模板网

这篇具有很好参考价值的文章主要介绍了CNN(七)：ResNeXt-50算法的思考。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

🍨 本文为🔗365天深度学习训练营中的学习记录博客

🍖 原作者：K同学啊|接辅导、项目定制

在进行ResNeXt-50实战练习时，我也跟其他学员一样有这个疑惑，如下图所示：

CNN(七)：ResNeXt-50算法的思考,CNN,cnn,人工智能,神经网络

反复查看代码，仍然有些疑惑，甚至怀疑是不是代码错了。实践是检验真理的唯一标准，先把代码跑起来再说。发现运行完全没有问题，再通过对比查看网络结构和代码后，搞清楚了原因，根本原因就在stack的设计，即一个conv_shortcut=True的block+n个conv_shortcut=False的堆叠残差单元，如下图所示：

CNN(七)：ResNeXt-50算法的思考,CNN,cnn,人工智能,神经网络

下面以filters=128,blocks=2的入参来说明原因。

（1）1个block(conv_shortcut=True)：conv_shortcut=True，结合代码可知，在进行Add操作时，是将进行了Conv+BN操作的特征图（filters=2*128），与后续[（Conv+BN+ReLU）+ 分组卷积 + (Conv+BN) ]的一系列操作后得出的特征图（filters=2*128）进行Add操作，此时Add的两部分的通道数均是2*128，即256，之后再进行ReLU操作；

（2）2个block(conv_shortcut=False)：conv_shortcut=False，结合代码可知，在进行Add操作时，是直接对输入的x与后续的[（Conv+BN+ReLU）+ 分组卷积 + (Conv+BN) ]的一系列操作后得出的特征图（filters=2*128）进行Add操作。这里为什么add的其中一部分是输入x，是因为此时的输入x，是已经通过上面的1个block操作了，此时x的通道数原本就是2*128，即256。因此在进行Add操作时，与后续得出的特征图（filters=2*128）在通道数上完美匹配。

其他filters=256、512、1024则是类似的操作。文章来源地址https://www.toymoban.com/news/detail-704738.html

到了这里，关于CNN(七)：ResNeXt-50算法的思考的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！