当前位置:首页 > 技术 > 正文内容

PyTorch实现ResNet50v2:从结构解析到代码重构

访客 技术 2026年6月13日 2

引言

残差网络(ResNet)通过引入跳跃连接解决了深层网络中的梯度消失问题,而ResNetV2在此基础上进一步优化了内部模块的结构顺序。本文将深入探讨ResNetV2相较于原始版本的关键改进,并使用PyTorch从零构建一个完整的ResNet50v2模型,用于图像分类任务。

ResNetV2 核心思想解析

与原始 ResNet 相比,ResNetV2 最显著的变化在于激活函数和批归一化(Batch Normalization, BN)的位置调整。在标准 ResNet 中,每个残差块通常遵循"卷积 → BN → 激活"的流程;而在 ResNetV2 中,这一顺序被修改为"BN → 激活 → 卷积",即所谓的 pre-activation 设计。

这种改变使得信息流在进入卷积层之前就已经完成了非线性变换,有助于缓解训练初期的信号衰减问题,提升深层网络的收敛速度与最终性能。实验表明,在 CIFAR-10 上使用 1001 层的 ResNet 模型时,ResNetV2 的测试错误率可降至 4.92%,优于原始结构的 7.61%。

不同 shortcut 结构对比分析

研究者尝试了多种 shortcut 连接方式,包括加入 BN、ReLU 或卷积操作等变体。结果显示,保持恒等映射(identity mapping)的原始 shortcut 表现最佳。一旦在 shortcut 路径中引入额外变换,反而可能导致训练不稳定或性能下降。这说明简洁有效的恒等连接仍是当前最优选择。

激活函数位置的探索

关于激活函数的位置,作者测试了六种不同的排列组合。其中效果最好的是"full pre-activation"模式——即在每一个卷积层前都进行 BN 和 ReLU 处理。该设计不仅提升了准确率,还增强了梯度传播能力,成为 ResNetV2 的核心特征之一。

基于 PyTorch 的 ResNet50v2 实现

1. 环境配置与依赖导入

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import DataLoader, random_split
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import numpy as np

# 设置设备
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2. 数据预处理与加载

加载鸟类图像数据集并进行标准化处理:

data_dir = "bird_photos/"
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

dataset = datasets.ImageFolder(root=data_dir, transform=transform)
num_classes = len(dataset.classes)

# 划分训练集与测试集
train_size = int(0.8 * len(dataset))
test_size = len(dataset) - train_size
train_data, test_data = random_split(dataset, [train_size, test_size])

train_loader = DataLoader(train_data, batch_size=8, shuffle=True)
test_loader = DataLoader(test_data, batch_size=8, shuffle=False)

3. 构建 Pre-Activation 残差块

定义 ResNetV2 使用的基本模块,包含两种类型:基础残差块与投影快捷连接块。

class PreActBlock(nn.Module):
    expansion = 4

    def __init__(self, in_channels, out_channels, stride=1, downsample=None):
        super(PreActBlock, self).__init__()
        self.bn1 = nn.BatchNorm2d(in_channels)
        self.relu1 = nn.ReLU(inplace=True)
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=1, bias=False)

        self.bn2 = nn.BatchNorm2d(out_channels)
        self.relu2 = nn.ReLU(inplace=True)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3,
                               stride=stride, padding=1, bias=False)

        self.bn3 = nn.BatchNorm2d(out_channels)
        self.relu3 = nn.ReLU(inplace=True)
        self.conv3 = nn.Conv2d(out_channels, out_channels * self.expansion,
                               kernel_size=1, bias=False)

        self.downsample = downsample
        self.stride = stride

    def forward(self, x):
        identity = x

        # Pre-activation: BN → ReLU → Conv
        x = self.bn1(x)
        x = self.relu1(x)
        if self.downsample is not None:
            identity = self.downsample(x)
        x = self.conv1(x)

        x = self.bn2(x)
        x = self.relu2(x)
        x = self.conv2(x)

        x = self.bn3(x)
        x = self.relu3(x)
        x = self.conv3(x)

        x += identity
        return x

4. 构建完整 ResNet50v2 网络

按照 ResNet50 的层级结构堆叠残差块:

class ResNet50v2(nn.Module):
    def __init__(self, block, layers, num_classes=1000):
        super(ResNet50v2, self).__init__()
        self.in_channels = 64

        self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False)
        self.bn1 = nn.BatchNorm2d(64)
        self.relu = nn.ReLU(inplace=True)
        self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)

        self.layer1 = self._make_layer(block, 64, layers[0])
        self.layer2 = self._make_layer(block, 128, layers[1], stride=2)
        self.layer3 = self._make_layer(block, 256, layers[2], stride=2)
        self.layer4 = self._make_layer(block, 512, layers[3], stride=2)

        self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
        self.fc = nn.Linear(512 * block.expansion, num_classes)

        # 初始化权重
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
            elif isinstance(m, (nn.BatchNorm2d, nn.GroupNorm)):
                nn.init.constant_(m.weight, 1)
                nn.init.constant_(m.bias, 0)

    def _make_layer(self, block, out_channels, blocks, stride=1):
        downsample = None
        if stride != 1 or self.in_channels != out_channels * block.expansion:
            downsample = nn.Sequential(
                nn.AvgPool2d(kernel_size=stride, stride=stride),
                nn.Conv2d(self.in_channels, out_channels * block.expansion,
                          kernel_size=1, stride=1, bias=False),
            )

        layers = []
        layers.append(block(self.in_channels, out_channels, stride, downsample))
        self.in_channels = out_channels * block.expansion
        for _ in range(1, blocks):
            layers.append(block(self.in_channels, out_channels))

        return nn.Sequential(*layers)

    def forward(self, x):
        x = self.conv1(x)
        x = self.bn1(x)
        x = self.relu(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 x

# 创建 ResNet50v2 实例
model = ResNet50v2(PreActBlock, [3, 4, 6, 3], num_classes=num_classes).to(device)

5. 模型概览

可通过以下代码查看模型结构:

print(model)

输出将显示详细的网络层次结构,验证 pre-activation 块是否正确嵌入。

相关文章

Linux crontab 详解

1) crontab 是什么cron 是 Linux 的定时任务守护进程;crontab 是用来编辑/查看“按时间周期执行命令”的表(cron table)。常见两类:用户 crontab:每个用户一份(crontab -e 编辑)系统级 crontab / cron.d:可指定执行用户(/etc/crontab、/etc/cron.d/*)2) crontab 时间...

富文本里可以允许的 HTML 属性

一、所有标签默认允许的安全属性(极少)class        (可选)id           (通常建议禁用)title️ 注意:id 容易被滥用做锚点注入,很多系统直接禁用class 允许的话最好只允许固定前缀(如 editor-*)二、a 标签允许属性<a href="" t...

Mac 安装 Node.js 指南

方法一:通过官网安装包(最简单,适合初学者)如果你只是想快速安装并开始使用,这是最直接的方法。访问 Node.js 官网。页面会显示两个版本:LTS (Recommended For Most Users):长期支持版,最稳定。建议选这个。Current:最新特性版,包含最新功能但可能不够稳定。下载 .pkg 安装包并运行。按照安装向导点击“下一步”即可完成。方法二:使用 Homebrew 安装(...

Dom\HTML_NO_DEFAULT_NS 的副作用:自动加闭合标签

在使用Dom\HTMLDocument时,Dom\HTML_NO_DEFAULT_NS 将禁止在解析过程中设置元素的命名空间, 此设置是为了与DOMDocument向后兼容而存在的。当使用它时,已知的一个副作用就是:自动加闭合标签例如 </img> 为什么会这样?当你使用:Dom\HTML_NO_DEFAULT_NS文档会变成 无命名空间模式,此时内部更接近 XML...

Laravel 事件和监听器创建

在 Laravel 中,使用 Artisan 命令创建 Events(事件) 和 Listeners(监听器) 是非常高效的。你可以通过以下几种方式来实现:1. 手动创建单个 Event如果你只想创建一个事件类,可以使用 make:event 命令:Bashphp artisan make:event UserRegistered执行后,文件将生成在 app/Even...

自定义域名解析神器 dnsmasq

什么是 dnsmasq?dnsmasq 是一个轻量级、功能强大的网络服务工具,专为小型和中等规模网络设计。它是一个综合的网络基础设施解决方案[1]。dnsmasq 能做什么?功能说明应用场景DNS 转发与缓存将 DNS 查询转发到上游服务器(ISP、Google DNS 等),并在本地缓存结果加快 DNS 查询速度,减少外部 DNS 流量本地 DNS解析本地网络设备的主机名,无需编辑&n...

发表评论

访客

◎欢迎参与讨论,请在这里发表您的看法和观点。