densenet网络结构,resnet152结构

Resnet网络详细结构(面向Cifar10 )结构

具体结构conv1

(conv1 ) : conv 2d (3，64，kernel _ size=(3，3 )，stride=(1，1 )，padding=(1，1 )，bias=False ) bn1 ase

conv2d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias=True )

w=(wIf2p )/S 1w_o=) w_I-f2p )/s1wo=(wif2p )/s1

BatchNorm2d :批归一化(Batch Normalization )的目的是使我们的批)的特征图满足平均值为0、方差值为1的分布规律

batchnorm2d(256，eps=1e-05，momentum=0.1，affine=True，track_running_stats=True ) ReLU :激活函数

MaxPool2d :最大池化、缩减像素采样

第1层

(层1 ) :sequential () :basicblock ) ) conV1 ) :conv2d ) 64，kernel _ size=(3，3 )，stride=) )。 BIAS=false(bn1 ) :batchnorm2d ) 64，eps=1e-05，momentum=0.1，affine=True，track _ running _ stats=tru te Kernel_size=) ) 64，64，Kernel_size Bias=false(bn2 ) :batchnorm2d(64，eps=1e-05，momentum=0.1，alse 3 )，stride=(1，1 )，padding=(1，1 )，bias=False ) ) bn1 ) :batchnorm2d ) 64，eppen ORM track _ running _ sttion 64，Kernel_size=) ) 64，64，Kernel_size Bias=false(bn2 ) :batchnorm2d(64，eps=1e-05，momentum=0.1.

第4层：……

avgpool

AdaptiveAvgPool2d :自适应平均池化

torch.nn.adaptiveavgpool1d (output_size )自适应平均池化输入，输出指定为output _ size，特征维数不变，从输出大小池化的核心大小、步长

fc :完全连接

(avgpool ) : adaptiveavgpool 2d (output _ size=(1，1 ) ) fc ) :线性(in _ features=512，out_features )