ResNet的bottlenet编写以及网络层数的理解
发布于2019-08-17 21:37 阅读(1497) 评论(0) 点赞(3) 收藏(3)
1、ResNet残差网络的bottlenet结构
代码编写如下：
regul = regularizers.l2(l2)
optim = Adam(lr=lr)
kwargs = {'padding':'same', 'kernel_regularizer':regul}
bottlenet：
def subblock(x, filter, **kwargs):
x = BatchNormalization()(x)
y = x
y = Conv2D(filter, (1, 1), activation='relu', **kwargs)(y) # 减少特征数量
y = BatchNormalization()(y)
y = Conv2D(filter, (3, 3), activation='relu', **kwargs)(y) # 扩展特征域
y = BatchNormalization()(y)
y = Conv2D(K.int_shape(x)[-1], (1, 1), **kwargs)(y) # 无激活函数 # 恢复原始特征的数量
y = Add()([x,y]) # Add the bypass connection
y = Activation('relu')(y)
return y
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
当然还有conv block如下图：
2、网络层数
我们所说的网络层数，主要指的是Conv的层和fc全连接层，如下图的VGG19网络
所属网站分类: 技术文章 > 博客
作者：83whjh
链接：https://www.pythonheidong.com/blog/article/48478/89185daac5af23228bf4/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力