按照大佬您在简书上的描述：
+ 每个 bottleneck 重复 n 次
+ 相同序列所有层具有相同数量的输出通道
+ 每个序列的第一层使用步长 s ，其他所有层使用步长 1
+ 所有空间卷积使用 3 * 3 内核
+ 扩展因子 t 始终应用于输入大小，若输入某层的tensor的通道数为k，那么用在这一层上的filters数就为 k * t
可是您的代码是：
def _inverted_residual_block(inputs, filters, kernel, t, strides, n):
x = _bottleneck(inputs, filters, kernel, t, strides)
for i in range(1, n):
x = _bottleneck(x, filters, kernel, t, 1, True)
return x
可是按照描述不应该是这样嘛/
def _inverted_residual_block(inputs, filters, kernel, t, strides, n):
x = _bottleneck(x, filters=filters, kernel=kernel, t=t, s=strides)
for i in range(1, n):
x = _bottleneck(x, filters, kernel, t=1, s=1, shortcut=True)
return x
按照大佬您在简书上的描述：
+ 每个 bottleneck 重复 n 次
+ 相同序列所有层具有相同数量的输出通道
+ 每个序列的第一层使用步长 s ，其他所有层使用步长 1
+ 所有空间卷积使用 3 * 3 内核
+ 扩展因子 t 始终应用于输入大小，若输入某层的tensor的通道数为k，那么用在这一层上的filters数就为 k * t
可是您的代码是：
可是按照描述不应该是这样嘛/