本文已参与「新人创作礼」活动，一起开启掘金创作之路。
之前介绍了ResNetResNet - 掘金 (juejin.cn)，本篇介绍下ResNeXt
在这篇文章中，作者介绍了ResNeXt。ResNeXt是ResNet和Inception的结合体，不同于Inception v4的是，ResNext不需要人工设计复杂的Inception结构细节，而是每一个分支都采用相同的拓扑结构。ResNeXt的本质是分组卷积（Group Convolution），通过变量基数（Cardinality） 来控制组的数量。组卷机是普通卷积和深度可分离卷积的一个折中方案，即每个分支产生的Feature Map的通道数为 n(n>1) 。
通过下面的网络结构可以看到ResNeXt和ResNet基本一样，ResNeXt与ResNet的主要区别就是ResNeXt将ResNet的每个Block进行了替换，换成了新设计的Block，所以将这种新的Block学会也就是学会了ResNeXt。
这里32×4d的32是指group数，4d是指conv2每个组卷积核个数
网络结构
group卷积
ResNeXt就是将ResNet中的残差模块换成了右边这个模块
下面三个模块在数学计算上是等价的
注意：
只有当模块层数大于等于3时才能构建出一个有意义的block，所以对于ResNet中的浅层网络（18和34层）是不改变的。上图两个是数学上等价的，所以如果对于2层的改变，那么和原本的没什么区别，卷积核的个数还增多了。
We note that the reformulations produce nontrivial topologies only when the block has depth ≥3. If the block has depth = 2 (e.g., the basic block in [14]), the reformulations lead to trivially a wide, dense module. See the illustration in Fig. 4.
