resnet18的结构图

### ResNet18 的网络结构概述 ResNet18 是一种较浅的残差神经网络模型，属于 ResNet 家族的一员。它由 Kaiming He 等人在 2015 年提出的论文《Deep Residual Learning for Image Recognition》中首次描述[^3]。相比于更深层次的变体（如 ResNet50 或 ResNet152），ResNet18 更加轻量化，适合用于资源受限环境下的实验和部署。 #### 基本架构特点 ResNet18 主要由一系列基础模块组成，这些模块被称为 **BasicBlock**。每个 BasicBlock 包含两个 3×3 卷积层以及一个恒等映射（Identity Mapping）。如果输入和输出特征图的尺寸不匹配，则会通过 1×1 卷积调整通道数以实现维度一致化[^4]。 以下是 ResNet18 的具体分层结构： | 层名称 | 输出形状 | 描述 | |---------------------|------------------|----------------------------------------------------------------------| | 输入 | (H, W, C) | 图像输入，通常为 RGB 格式的图片 | | Conv1 | (112, 112, 64) | 初始卷积层：7×7 卷积核，步幅为 2，随后接 MaxPooling 下采样 | | MaxPool | (56, 56, 64) | 最大池化操作 | | Layer1 | (56, 56, 64) | 包括两个 BasicBlocks | | Layer2 | (28, 28, 128) | 包括两个 BasicBlocks，第一个 Block 使用 stride=2 进行下采样 | | Layer3 | (14, 14, 256) | 包括两个 BasicBlocks，第一个 Block 使用 stride=2 进行下采样 | | Layer4 | (7, 7, 512) | 包括两个 BasicBlocks，第一个 Block 使用 stride=2 进行下采样 | | Average Pool | (1, 1, 512) | 全局平均池化 | | Fully Connected | (num_classes,) | 全连接层，输出类别数目 | #### 可视化的 ResNet18 结构图 由于无法直接嵌入图像文件到文本环境中，可以通过以下链接访问标准 ResNet18 的可视化图表： - [ResNet18 Architecture Diagram](https://towardsdatascience.com/an-overview-of-resnet-and-its-variants-5281e2f56035) 或者使用 Python 和 PyTorch 库绘制 ResNet18 的结构图： ```python import torch from torchvision import models from torchsummary import summary # 加载预训练的 ResNet18 模型 model = models.resnet18(pretrained=True) # 打印模型概览 summary(model, input_size=(3, 224, 224)) ``` 此代码片段利用 `torchvision` 提供的标准 ResNet18 实现，并借助 `torchsummary` 工具生成详细的参数统计信息。 --- ###