PyTorch笔记 - ResNet: Deep Residual Learning for Image Recognition

Posted SpikeKing

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了PyTorch笔记 - ResNet: Deep Residual Learning for Image Recognition相关的知识,希望对你有一定的参考价值。

欢迎关注我的CSDN:https://blog.csdn.net/caroline_wendy
本文地址:https://blog.csdn.net/caroline_wendy/article/details/128341408

Paper:ResNet - Deep Residual Learning for Image Recognition

  • Kaiming He,Microsoft Research

工程:TIMM,https://github.com/rwightman/pytorch-image-models

背景:56层的网络要比20层的网络表现差,无论是训练集还是测试集。

解决方案:

  1. 为了让深层网络表现不比浅层网络差,可以让新增的层只学习一个恒等变换(Identity Mapping),也就是输出等于输入。
  2. 本文提出了Residual Learning的框架,即输出Y=F(x)+x,其中x为shotcut,而F(X)是用于学习残差部分Y-x
    1. 若x与F(x)维度一致,则可以进行元素逐个相加
    2. 若x与F(x)维度不一致,则需要新增一个投影(projection shortcut)层(如1x1 point-wise卷积),则Y=F(x)+pointwiseconv(x)

实验模型:

  1. 基于VGG-19

以上是关于PyTorch笔记 - ResNet: Deep Residual Learning for Image Recognition的主要内容,如果未能解决你的问题,请参考以下文章

PyTorch笔记 - ResNet: Deep Residual Learning for Image Recognition

NVIDIA Deep Learning Examples仓库上线飞桨ResNet50模型,其训练速度超PyTorch

Deep Residual Learning for Image Recognition(ResNet)-论文阅读笔记

PyTorch学习笔记——ResNet的实现

2016-03-09-阅读笔记: dump text + report on MS ResNet + Deep feeling about DL

论文笔记-Identity Mappings in Deep Residual Networks