对于像我这样刚刚入门深度学习的同学来说，可能接触学习了一个开发工具，却没有通过运用来熟练的掌握它。而ResNet是深度学习里面一个非常重要的backbone，并且ResNet18实现起来又足够简单，所以非常适合拿来练手。
我这里的开发环境是：
首先，我们需要明确ResNet18的网络结构。在我自己学习的一开始，我对于ResNet的ShortCut机制的实现不是很清楚，当你知道怎么实现这个机制之后，那么剩下的部分也就没有什么挑战了。
论文中，ResNet各规模的结构如下：
我们观察，实际可以将ResNet18分成6个部分：
具象化，就是下图：
明确这些部分之后，我们就可以开始着手实现啦！
首先，实现残差块：
接着，我们实现ResNet18模型：
到这里，一个ResNet18模型就构建完成了。
不过，仅仅是搭建完成还是远远不够的，让我们拿它来练练手。笔者在jupyter notebook上使用CIFAR10数据集来测试我们的ResNet18模。
然后开始跑模型：
如果不出意外，这个模型就已经跑起来了，到这里，咱们就已经完成的实现了一个ResNet18网络，这个模型的jupyter notebook源码我已经放到了github上，如果这片文章对你有帮助，那就给我star一下吧：
ResNet18-Pytorch：https://github.com/samcw/ResNet18-Pytorch