[논문 구현] Deep Residual Learning for Image Recognition

CIFAR-10 데이터를 사용하여 ResNet-18 구현 우선 아래와 같은 BasicBlock을 설정해 준다. kerner size 는 (3 x 3) 그리고 Batch Normalize를 거친 값을 다시 다음 layer로 넘겨준다. forward 계층에서는 실질적으로 identity shortcut을 더해주며 계층을 연산해준다. stride 1이 아니라면 입력값과 출력 값의 dimension이 다르다는 의미이다. 즉 동일한 차원으로 맞춰준다. stride 값을 다르게 하여, dimension 값을 맞춰 줄 수 있다. ResNet 클래스 정의 ImageNet에서의 Architecture를 그대로 차용하였다. 필터의 갯수는 논문의 필터와 같게 구현하였다. 여기서 각각이 layer 들의 filter의 갯수가 ..