每天五分钟深度学习pytorch：基于Pytorch搭建ResNet模型的残差块

残差块

我们分析一下这个残差块，x经过两个卷积层得到F(x)，然后F(x)+x作为残差块的输出，此时就有一个问题，这个问题就是F(x)+x的维度问题，如果图片数据经过两个卷积层之后F(x)变小（height和weight变小）或者通道数发生了变化，那么此时F(x)是没有办法和x相加的，当然我们可以学习前面的GoogLeNet的方式，也就是说卷积之后的F(x)和x一样，大小不变，或者对x变道和F(x)一样的维度，这里我们对x进行卷积操作，下面我们将实现这两种方式，通过代码应该会有一种清晰的认识。

代码

定义卷积层：

def conv3x3(in_channel, out_channel, stride=1):

return nn.Conv2d(in_channel, out_channel, 3, stride=stride, padding=1, bias=False)

定义残差块：