Ultralytics解读ResNetBlock模块前言相关介绍Ultralytics 简介前提条件实验环境ResNetBlockResNet 基础残差块代码实现功能初始化参数前向方法使用示例流程示意图代码解读注意事项优缺点优点缺点参考文献前言由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看YOLOs-CPP一个免费开源的YOLO全系列C推理库以YOLO26为例PaddleOCRWin10上安装使用PPOCRLabel标注工具目标检测使用自己的数据集微调DEIMv2进行物体检测图像分割PyTorch从零开始实现SegFormer语义分割图像超分使用自己的数据集微调Real-ESRGAN-x4plus进行超分重建图像生成PyTorch从零开始实现一个简单的扩散模型Stable Diffusion使用自己的数据集微调 Stable Diffusion 3.5 LoRA 文生图模型图像超分使用自己的数据集微调Real-ESRGAN-x2plus进行超分重建Anomalib使用Anomalib 2.1.0训练自己的数据集进行异常检测Anomalib在Linux服务器上安装使用Anomalib 2.1.0人工智能混合编程实践C调用封装好的DLL进行异常检测推理人工智能混合编程实践C调用封装好的DLL进行FP16图像超分重建v3.0隔离系统Python源码编译3.11.8到自定义目录含PGO性能优化在线机的Python环境迁移到离线机上Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件Ultralytics使用 YOLO11 进行速度估计Ultralytics使用 YOLO11 进行物体追踪Ultralytics使用 YOLO11 进行物体计数Ultralytics使用 YOLO11 进行目标打码人工智能混合编程实践C调用Python ONNX进行YOLOv8推理人工智能混合编程实践C调用封装好的DLL进行YOLOv8实例分割人工智能混合编程实践C调用Python ONNX进行图像超分重建人工智能混合编程实践C调用Python AgentOCR进行文本识别通过计算实例简单地理解PatchCore异常检测Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集YOLOv8 Ultralytics使用Ultralytics框架训练RT-DETR实时目标检测模型基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目Stable Diffusion在服务器上部署使用Stable Diffusion WebUI进行AI绘图v2.0Stable Diffusion使用自己的数据集微调训练LoRA模型v2.0相关介绍Ultralytics 简介Ultralytics 基于多年的计算机视觉和人工智能基础研究创建了最先进的 (SOTA) YOLO 模型。我们的模型不断更新性能和灵活性快速、准确且易于使用。他们擅长对象检测、跟踪、实例分割、语义分割、图像分类和姿势估计任务。官方文档https://docs.ultralytics.com/官方代码https://github.com/ultralytics/ultralytics.git前提条件熟悉Python、Pytorch实验环境Package Version ------------------------ ------------ Python3.11.8 absl-py2.4.0 accelerate1.13.0 annotated-doc0.0.4 anyio4.13.0 calflops0.3.2 certifi2026.4.22 charset-normalizer3.4.7 click8.3.3 colorama0.4.6 contourpy1.3.3 cycler0.12.1 filelock3.29.0 flatbuffers25.12.19 fonttools4.62.1 fsspec2026.4.0 grpcio1.80.0 h110.16.0 hf-xet1.5.0 httpcore1.0.9 httpx0.28.1 huggingface_hub1.14.0 idna3.15Jinja23.1.6 kiwisolver1.5.0 Markdown3.10.2 markdown-it-py4.2.0 MarkupSafe3.0.3 matplotlib3.10.9 mdurl0.1.2 ml_dtypes0.5.0 mpmath1.3.0 networkx3.6.1 numpy1.26.4 nvidia-cublas-cu1212.8.3.14 nvidia-cuda-cupti-cu1212.8.57 nvidia-cuda-nvrtc-cu1212.8.61 nvidia-cuda-runtime-cu1212.8.57 nvidia-cudnn-cu129.7.1.26 nvidia-cufft-cu1211.3.3.41 nvidia-cufile-cu121.13.0.11 nvidia-curand-cu1210.3.9.55 nvidia-cusolver-cu1211.7.2.55 nvidia-cusparse-cu1212.5.7.53 nvidia-cusparselt-cu120.6.3 nvidia-nccl-cu122.26.2 nvidia-nvjitlink-cu1212.8.61 nvidia-nvtx-cu1212.8.55 onnx1.19.0 onnxruntime-gpu1.26.0 onnxslim0.1.94 opencv-python4.6.0.66 packaging26.2pillow12.2.0 pip24.0polars1.40.1 polars-runtime-321.40.1 protobuf7.34.1 psutil7.2.2 pycocotools2.0.11 Pygments2.20.0 pyparsing3.3.2 python-dateutil2.9.0.post0 PyYAML6.0.3 regex2026.5.9 requests2.34.1 rich15.0.0 safetensors0.7.0 scipy1.16.0 setuptools65.5.0 shellingham1.5.4 six1.17.0 sympy1.14.0 tabulate0.10.0 tensorboard2.20.0 tensorboard-data-server0.7.2 tokenizers0.22.2 torch2.7.1cu128 torchaudio2.7.1cu128 torchvision0.22.1cu128 tqdm4.67.3 transformers5.8.1 triton3.3.1 typer0.25.1 typing_extensions4.15.0 ultralytics8.4.58 ultralytics-thop2.0.19 urllib32.7.0 Werkzeug3.1.8ResNetBlockResNet 基础残差块ResNetBlock是 ResNet 架构中经典的残差块Basic Block的变体它通过三个卷积层1×1 → 3×3 → 1×1实现特征变换并引入残差连接以缓解深层网络的梯度消失问题。与标准 ResNet 的 BasicBlock两个 3×3 卷积不同这里采用了类似瓶颈设计的结构先通过 1×1 卷积降低通道数可选再经过 3×3 卷积提取空间特征最后通过 1×1 卷积将通道数扩展到目标维度通常为输入的 4 倍。该模块在目标检测、分类等任务中广泛使用。代码实现importcv2importmathimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimportnumpyasnpimportmatplotlib.pyplotaspltdefautopad(k,pNone,d1):# kernel, padding, dilationPad to same shape outputs.ifd1:kd*(k-1)1ifisinstance(k,int)else[d*(x-1)1forxink]# actual kernel-sizeifpisNone:pk//2ifisinstance(k,int)else[x//2forxink]# auto-padreturnpclassConv(nn.Module):Standard convolution module with batch normalization and activation. Attributes: conv (nn.Conv2d): Convolutional layer. bn (nn.BatchNorm2d): Batch normalization layer. act (nn.Module): Activation function layer. default_act (nn.Module): Default activation function (SiLU). default_actnn.SiLU()# default activationdef__init__(self,c1,c2,k1,s1,pNone,g1,d1,actTrue):Initialize Conv layer with given parameters. Args: c1 (int): Number of input channels. c2 (int): Number of output channels. k (int): Kernel size. s (int): Stride. p (int, optional): Padding. g (int): Groups. d (int): Dilation. act (bool | nn.Module): Activation function. super().__init__()self.convnn.Conv2d(c1,c2,k,s,autopad(k,p,d),groupsg,dilationd,biasFalse)self.bnnn.BatchNorm2d(c2)self.actself.default_actifactisTrueelseactifisinstance(act,nn.Module)elsenn.Identity()defforward(self,x):Apply convolution, batch normalization and activation to input tensor. Args: x (torch.Tensor): Input tensor. Returns: (torch.Tensor): Output tensor. returnself.act(self.bn(self.conv(x)))defforward_fuse(self,x):Apply convolution and activation without batch normalization. Args: x (torch.Tensor): Input tensor. Returns: (torch.Tensor): Output tensor. returnself.act(self.conv(x))classResNetBlock(nn.Module):ResNet block with standard convolution layers.def__init__(self,c1:int,c2:int,s:int1,e:int4):Initialize ResNet block. Args: c1 (int): Input channels. c2 (int): Output channels. s (int): Stride. e (int): Expansion ratio. super().__init__()c3e*c2 self.cv1Conv(c1,c2,k1,s1,actTrue)self.cv2Conv(c2,c2,k3,ss,p1,actTrue)self.cv3Conv(c2,c3,k1,actFalse)self.shortcutnn.Sequential(Conv(c1,c3,k1,ss,actFalse))ifs!1orc1!c3elsenn.Identity()defforward(self,x:torch.Tensor)-torch.Tensor:Forward pass through the ResNet block.returnF.relu(self.cv3(self.cv2(self.cv1(x)))self.shortcut(x))功能残差学习通过shortcut连接将输入直接加到输出让网络学习残差F(x) H(x) - x有效缓解梯度消失。瓶颈设计使用 1×1 卷积先降维c1 → c2再用 1×1 卷积升维c2 → c3中间 3×3 卷积在较低通道数下提取空间特征减少计算量。空间下采样通过s参数控制 3×3 卷积的步长实现特征图的空间降采样当s1时。通道扩展输出通道数c3 e * c2通常e4使得输出通道数为输入通道数的4 * (c2/c1)倍。初始化参数参数类型说明c1int输入特征图的通道数c2int中间通道数也是 3×3 卷积的输入/输出通道sint3×3 卷积的步长默认 1用于控制空间尺寸eint扩展比默认 4输出通道c3 e * c2cv11×1 卷积c1 → c2包含 BN SiLUactTrue。cv23×3 卷积c2 → c2步长s填充 1保持尺寸包含 BN SiLU。cv31×1 卷积c2 → c3无激活actFalse仅包含 BN。shortcut若s ! 1或c1 ! c3则使用 1×1 卷积步长s无激活调整输入以匹配输出否则为恒等映射。前向方法forward(x)输入x输出[B, c3, H_out, W_out]。计算流程x self.cv1(x)→[B, c2, H, W]x self.cv2(x)→ 若s1尺寸不变若s1尺寸减半H/s, W/sx self.cv3(x)→[B, c3, H_out, W_out]shortcut self.shortcut(x_original)→ 调整输入到相同形状相加后经 ReLU 激活return relu(x shortcut)使用示例if__name____main__:# 1. 随机输入B,c1,H,W2,32,64,64xtorch.randn(B,c1,H,W)# 2. 创建 ResNetBlock输入32中间64输出256步长1blockResNetBlock(c132,c264,s1,e4)# 3. 前向传播withtorch.no_grad():outblock(x)print(输入形状:,x.shape)# [2, 32, 64, 64]print(输出形状:,out.shape)# [2, 256, 64, 64]因为 c34*64256# 4. 步长为2的下采样块block_dsResNetBlock(c132,c264,s2,e4)withtorch.no_grad():out_dsblock_ds(x)print(步长2输出形状:,out_ds.shape)# [2, 256, 32, 32]# 5. 使用真实图像演示扩展为多通道img_pathcat_640x640.pngimg_bgrcv2.imread(img_path)ifimg_bgrisnotNone:img_graycv2.cvtColor(cv2.resize(img_bgr,(64,64)),cv2.COLOR_BGR2GRAY)img_tensortorch.from_numpy(img_gray).float().unsqueeze(0).unsqueeze(0)# [1,1,64,64]# 扩展通道至 c132x_imgimg_tensor.repeat(1,32,1,1)model_imgResNetBlock(c132,c232,s1,e4)# 输出128通道withtorch.no_grad():out_imgmodel_img(x_img)inp_ch0x_img[0,0].cpu().numpy()out_ch0out_img[0,0].cpu().numpy()defnorm(arr):return(arr-arr.min())/(arr.max()-arr.min()1e-8)plt.figure(figsize(12,5),constrained_layoutTrue)plt.subplot(1,3,1)plt.imshow(img_gray,cmapgray)plt.title(Original)plt.axis(off)plt.subplot(1,3,2)plt.imshow(norm(inp_ch0),cmapgray)plt.title(Input Ch0)plt.axis(off)plt.subplot(1,3,3)plt.imshow(norm(out_ch0),cmapgray)plt.title(ResNetBlock Output Ch0)plt.axis(off)plt.savefig(resnetblock_demo.png,dpi150)print(可视化已保存为 resnetblock_demo.png)输出示例输入形状: torch.Size([2, 32, 64, 64]) 输出形状: torch.Size([2, 256, 64, 64]) 步长2输出形状: torch.Size([2, 256, 32, 32]) 可视化已保存为 resnetblock_demo.png流程示意图输入 x (B, c1, H, W)cv1: Conv 1x1, c1→c2 (含激活)cv2: Conv 3x3, c2→c2, strides, padding1 (含激活)cv3: Conv 1x1, c2→c3 (无激活)shortcut: 若 s≠1 或 c1≠c3则 Conv 1x1 strides 调整否则 Identityshortcut_out (B, c3, H/s, W/s)相加ReLU输出 (B, c3, H/s, W/s)代码解读__init__c3 e * c2计算输出通道数。cv11×1 卷积将输入通道c1映射到c2包含 BN SiLU。cv23×3 卷积步长s提取空间特征包含 BN SiLU。cv31×1 卷积将c2扩展到c3无激活actFalse仅 BN。shortcut若需要调整尺寸或通道使用 1×1 卷积步长s无激活进行投影否则为恒等映射。forward主路径cv1 → cv2 → cv3。shortcut路径处理输入。两者相加后经 ReLU 输出。注意事项通道数关系c3 e * c2通常e4但可调整。若c1 c3且s1则 shortcut 为恒等映射否则使用 1×1 卷积。步长控制s仅作用于cv2因此空间下采样发生在 3×3 卷积中而 1×1 卷积不改变空间尺寸。激活函数前两个卷积使用 SiLU第三个无激活最后整体使用 ReLU。这与标准 ResNet 的 ReLU 后置一致。BatchNorm 顺序所有Conv内部已包含 BN且actFalse时仍有 BN因此cv3的输出经过 BN 但不经激活。与标准 ResNet 的区别标准 ResNet 的 BasicBlock 使用两个 3×3 卷积这里增加了 1×1 卷积形成瓶颈结构参数量更少对于大模型更高效。优缺点优点残差学习有效缓解梯度消失支持训练极深网络。参数高效瓶颈设计1×1 降维 → 3×3 → 1×1 升维比直接两个 3×3 卷积参数量更少。灵活配置可通过s控制下采样e控制通道扩展。即插即用可嵌入多种网络架构如 ResNet、YOLO 等。缺点引入额外卷积相比 BasicBlock多一个 1×1 卷积增加了计算量虽然减少了参数量但前向计算量可能增加。后置 ReLU残差相加后 ReLU与标准 ResNet 一致但可能影响负值信息的传递但一般可接受。shortcut 需投影当步长或通道变化时需额外 1×1 卷积增加参数。在 YOLO 系列或 RT-DETR 的骨干网络中ResNetBlock可作为基础残差单元用于构建深层特征提取网络。使用时可根据任务调整c2和e以控制模型容量。若需更轻量可减小e或降低c2。参考文献[1] https://docs.ultralytics.com/[2] https://github.com/ultralytics/ultralytics.git由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏、人工智能混合编程实践专栏或我的个人主页查看YOLOs-CPP一个免费开源的YOLO全系列C推理库以YOLO26为例PaddleOCRWin10上安装使用PPOCRLabel标注工具目标检测使用自己的数据集微调DEIMv2进行物体检测图像分割PyTorch从零开始实现SegFormer语义分割图像超分使用自己的数据集微调Real-ESRGAN-x4plus进行超分重建图像生成PyTorch从零开始实现一个简单的扩散模型Stable Diffusion使用自己的数据集微调 Stable Diffusion 3.5 LoRA 文生图模型图像超分使用自己的数据集微调Real-ESRGAN-x2plus进行超分重建Anomalib使用Anomalib 2.1.0训练自己的数据集进行异常检测Anomalib在Linux服务器上安装使用Anomalib 2.1.0人工智能混合编程实践C调用封装好的DLL进行异常检测推理人工智能混合编程实践C调用封装好的DLL进行FP16图像超分重建v3.0隔离系统Python源码编译3.11.8到自定义目录含PGO性能优化在线机的Python环境迁移到离线机上Nuitka 将 Python 脚本封装为 .pyd 或 .so 文件Ultralytics使用 YOLO11 进行速度估计Ultralytics使用 YOLO11 进行物体追踪Ultralytics使用 YOLO11 进行物体计数Ultralytics使用 YOLO11 进行目标打码人工智能混合编程实践C调用Python ONNX进行YOLOv8推理人工智能混合编程实践C调用封装好的DLL进行YOLOv8实例分割人工智能混合编程实践C调用Python ONNX进行图像超分重建人工智能混合编程实践C调用Python AgentOCR进行文本识别通过计算实例简单地理解PatchCore异常检测Python将YOLO格式实例分割数据集转换为COCO格式实例分割数据集YOLOv8 Ultralytics使用Ultralytics框架训练RT-DETR实时目标检测模型基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目Stable Diffusion在服务器上部署使用Stable Diffusion WebUI进行AI绘图v2.0Stable Diffusion使用自己的数据集微调训练LoRA模型v2.0