LibertazZ
commented
1 year ago 我觉得应该是在第二个卷积层实现尺寸的压缩 博主你Bottleneck的源代码是： self.conv1 = nn.Conv2d(inplanes, planes, kernel_size=1, stride=stride, bias=False) self.bn1 = nn.BatchNorm2d(planes)
self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=1, padding=1, bias=False)
self.bn2 = nn.BatchNorm2d(planes)我觉得应该是酱紫，不知道对不对因为现在官方给的应该是这样的： self.conv1 = nn.Conv2d(inplanes, planes, kernel_size=1, stride=1, bias=False) self.bn1 = nn.BatchNorm2d(planes)
self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=stride, padding=1, bias=False)
self.bn2 = nn.BatchNorm2d(planes)
博主你好，你提供源码中这个resnet50网络打印出来以后是这样： (6): Sequential( (0): Bottleneck( (conv1): Conv2d(512, 256, kernel_size=(1, 1), stride=(2, 2), bias=False) 从layer2开始每个layer的第一个Bottleneck的第一个卷积层都是1*1的卷积但是步长是2，这样会不会导致特征图中有一半的值完全没有被利用
现在torchvison调用出来resnet50时，打印出来是这样： (layer3): Sequential( (0): Bottleneck( (conv1): Conv2d(512, 256, kernel_size=(1, 1), stride=(1, 1), bias=False) (bn1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (conv2): Conv2d(256, 256, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False) 第一个卷积层一定是1*1卷积且步长为1，第二个卷积层步长为2用于特征图尺寸的收缩