pytorch 训练数据以及测试 全部代码(8) 对resnet也就是(5),(6),(7) 网络的梳理
2018-10-21 15:53
603 查看
输入:6x3x512x512
输出:6x21x512x512
resnet101是除去最后的全连接层,得到浅层的输出low_level_feature为6x256x128x128,深层的输出X为6x2048x32x32
详细的网络图如下图:
4个ASPP全部输出X1,X2,X3,X4都是6x256x32x32
global_avg_pool:输入是6x2048x32x32
self.global_avg_pool = nn.Sequential(nn.AdaptiveAvgPool2d((1, 1)), nn.Conv2d(2048, 256, 1, stride=1, bias=False), nn.BatchNorm2d(256), nn.ReLU())
输出是6x256x1x1,接着进行向上采样(upsample函数可参考https://www.geek-share.com/detail/2751219254.html)得到X5为6x256x32x32
X1, X2, X3, X4, X5合并在一起得到X为6x1280x32x32,然后经过卷积得到6x256x32x32,经过向上采样得到6x256x128x128
左边的主线说完了,再看右边
low_level_features为6x256x128x128,经过卷积得到6x48x128x128
左右两边合并得到X为6x304x128x128
经过last_cov得到为6x21x128x128
经过upsample得到最终的输出为:6x21x512x512
最后把完整的带有输出shape的图给出,如下:
到这里,整个基于resnet101的网络就讲解完了
下面的内容就是基于xception的网络
阅读更多
相关文章推荐
- 代码备份:处理 SUN397 的代码,将其分为 80% 训练数据 以及 20% 的测试数据
- faster-rcnn训练和测试自己的数据(VGG/ResNet)以及遇到的问题
- Python测试用例生成脚本(合并相应单元格以及写入单行数据)代码实例
- OCR开源代码以及OCR公开训练测试数据集汇总
- 不要怂,就是GAN (生成式对抗网络) (四):训练和测试 GAN
- 【神经网络】VGG、ResNet、GoogleLeNet、AlexNet等常用网络代码及预训练模型
- netlink监听网络变化代码(转载)+流程分析(原创+转载)+数据结构以及相关宏的解析(原创)
- Tensorflow框架下Faster-RCNN实践(二)——用自己制作的数据训练Faster-RCNN网络(附代码)
- SSD配置、训练、测试以及应用到自己的数据集
- pytorch: 准备、训练和测试自己的图片数据
- 使用TensorFlow训练神经网络识别MNIST数据代码
- 资源 就是Tianmao项目里小部分备用 测试 的数据以及图片
- 利用tensorflow训练自己的图片数据(5)——测试训练网络
- Python测试用例生成脚本(合并相应单元格以及写入单行数据)代码实例
- C# 软工大作业完成,以下是测试版本。源代码等待稳定版本以及走查代码后再放出//需要获取全部组员同意= =
- matconvnet环境下训练自己的数据集及模型测试-mnist网络结构-cifar10部分数据集
- 神经网络1.训练和测试(train&test)以及相关关系解释--神经网络开篇
- Mybatis+MySQL动态分页查询数据经典案例(含代码以及测试)
- Darknet yolo 环境搭建以及训练测试自己的数据集
- caffe自带examples里面的数据的训练以及测试