使用PyTorch实现ResNet：从残差块到完整模型训练

ResNet（残差网络）是深度学习中的经典模型，通过引入残差连接解决了深层网络训练中的梯度消失问题。本文将从残差块的定义开始，逐步实现一个ResNet模型，并在Fashion MNIST数据集上进行训练和测试。

---

1. 残差块（Residual Block）实现

残差块通过跳跃连接（Shortcut Connection）将输入直接传递到输出，缓解了深层网络的训练难题。以下是残差块的PyTorch实现：

import torch
from torch import nn
from torch.nn import functional as F
from d2l import torch as d2l

class Residual(nn.Module):
    def __init__(self, input_channels, num_channels, use_1x1conv=False, strides=1):
        super().__init__()
        self.conv1 = nn.Conv2d(input_channels, num_channels, kernel_size=3, padding=1, stride=strides)
        self.conv2 = nn.Conv2d(num_channels, num_channels, kernel_size=3, padding=1)
        self.bn1 = nn.BatchNorm2d(num_channels)
        self.bn2 = nn.BatchNorm2d(num_channels)
        if use_1x1conv:
            self.conv3 = nn.Conv2d(input_channels, num_channels, kernel_size=1, stride=strides)
        else:
            self.conv3 = None
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        y = F.relu(self.bn1(self.conv1(x)))
        y = self.bn2(self.conv2(y))
        if self.conv3:
            x = self.conv3(x)
        y += x
        return F.relu(y)

代码解析：

• use_1x1conv：当输入和输出通道数不一致时，使用1x1卷积调整通道数。

• strides：控制特征图下采样的步长。

• 残差相加后再次使用ReLU激活，增强非线性表达能力。

---

2. 构建ResNet模型

ResNet由多个残差块堆叠而成，以下代码构建了一个简化版ResNet-18：

# 初始卷积层
b1 = nn.Sequential(
    nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
    nn.BatchNorm2d(64),
    nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
)

def resnet_block(input_channels, num_channels, num_residuals, first_block=False):
    blk = []
    for i in range(num_residuals):
        if i == 0 and not first_block:  # 第一个块需下采样
            blk.append(Residual(input_channels, num_channels, use_1x1conv=True, strides=2))
        else:
            blk.append(Residual(num_channels, num_channels))
    return blk

# 堆叠残差块
b2 = nn.Sequential(*resnet_block(64, 64, 2, first_block=True))
b3 = nn.Sequential(*resnet_block(64, 128, 2))
b4 = nn.Sequential(*resnet_block(128, 256, 2))
b5 = nn.Sequential(*resnet_block(256, 512, 2))

# 完整网络结构
net = nn.Sequential(
    b1, b2, b3, b4, b5,
    nn.AdaptiveAvgPool2d((1, 1)),
    nn.Flatten(),
    nn.Linear(512, 10)
)

模型结构说明：

• AdaptiveAvgPool2d：自适应平均池化，将特征图尺寸统一为1x1。

• Flatten：展平特征用于全连接层分类。

---

3. 数据加载与预处理

使用Fashion MNIST数据集，批量大小为256：

train_data, test_data = d2l.load_data_fashion_mnist(batch_size=256)

4. 模型训练与测试

设置训练参数：10个epoch，学习率0.05，并使用GPU加速：

d2l.train_ch6(net, train_data, test_data, num_epochs=10, lr=0.05, device=d2l.try_gpu())

训练结果：

loss 0.124, train acc 0.952, test acc 0.860
4921.4 examples/sec on cuda:0

5. 结果可视化

训练过程中损失和准确率变化如下图所示：

分析：

• 训练准确率（紫色虚线）迅速上升并稳定在95%以上。

• 测试准确率（绿色点线）达到86%，表明模型具有良好的泛化能力。

• 损失值（蓝色实线）持续下降，未出现过拟合。

---

6. 完整代码

整合所有代码片段（需安装d2l库）：

# 残差块定义、模型构建、训练代码见上文

7. 总结

本文实现了ResNet的核心组件——残差块，并构建了一个简化版ResNet模型。通过实验验证，模型在Fashion MNIST数据集上表现良好。读者可尝试调整网络深度或超参数以进一步提升性能。

改进方向：

• 增加残差块数量构建更深的ResNet（如ResNet-34/50）。

• 使用数据增强策略提升泛化能力。

• 尝试不同的优化器和学习率调度策略。

---

注意事项：

• 确保已安装PyTorch和d2l库。

• GPU环境可显著加速训练，若使用CPU需调整批量大小。

---

希望本文能帮助您理解ResNet的实现细节！如有疑问，欢迎在评论区留言讨论。