basicBlock.py

import torch
import torch.nn as nn
import torch.nn.functional as F

class BasicBlock(nn.Module):
    expansion = 1

    def __init__(self, in_channels, out_channels, stride=1):
        super(BasicBlock, self).__init__()

        # 첫 번째 합성곱 레이어 (3x3)
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False)
        self.bn1 = nn.BatchNorm2d(out_channels)

        # 두 번째 합성곱 레이어 (3x3)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(out_channels)

        # Shortcut (Skip Connection) 처리를 위한 downsample 레이어
        # 입력(x)와 출력(F(x))의 차원이 다를 때 (stride가 1이 아니거나 채널이 변했을 때) 맞춰주는 역할
        self.shortcut = nn.Sequential()
        if stride != 1 or in_channels != self.expansion * out_channels:
            self.shortcut = nn.Sequential(
                nn.Conv2d(in_channels, self.expansion * out_channels, kernel_size=1, stride=stride, bias=False),
                nn.BatchNorm2d(out_channels)
            )

    def forward(self, x):
        # 1. 원본 입력 저장 (Skip Connection 처리를 위함)
        identity = x

        # 2. 주 경로 (Main Path) : F(x) 계산
        out = self.conv1(x)
        out = self.bn1(out)
        out = F.relu(out)

        out = self.conv2(out)
        out = self.bn1(out)

        # 3. 차원 맞추기 (필요한 경우 1x1 conv 적용)
        identity = self.shortcut(identity)

        # 4. Element-wise Addition (요소별 합)
        # F(x) + x
        out += identity

        # 5. 최종 활성화 함수
        out = F.relu(out)

        return out