【作业分享】ResNet 论文精读 + PyTorch 源码逐行注释报告

Yongqiu_Liu

刚完成了 ResNet《Deep Residual Learning for Image Recognition》的精读作业，把学习过程整理成了两份文档，希望能帮到正在啃这篇经典论文的同学：

Yongqiu_Liu

内容涵盖：• 源码层：对 torchvision.models.resnet 约 670 行代码逐段精读，从 BasicBlock/Bottleneck 到 _make_layer、工厂函数、ResNeXt 扩展，解释“为什么这样设计”而不仅是“做了什么”。• 论文层：退化问题的实验数据与数学本质、残差连接的梯度反传分析、ResNet-50 完整层级结构与感受野变化、ImageNet/CIFAR-10 实验结果、与 VGG/GoogLeNet/DenseNet 的横向对比。• 实战层：预训练权重加载（V2 API）、推理/微调/特征提取完整代码、常见工程陷阱（如忘记 model.eval() 导致精度暴跌）。

Yongqiu_Liu

GitHub 地址：https://github.com/Helium-3Liu/R ... e-Annotation-Report

两份文档互为补充，源码报告对应代码实现细节，补充章节对应论文思想与工程应用。欢迎交流指正！

profgong

ResNet 通过引入自变量保持可恢复信息，拟合f(x)-x,而不是f(x)，可以有效避免激励函数导致的梯度消失等问题