深度学习翻译一

原文网址：
http://torch.ch/blog/2016/02/04/resnets.html

 训练、调研残差网络

1. 在这个博客里， 我们实现残差网络，从模型选择和优化的角度来学习残差网络。
2. 讨论残差网络在多gpu的优化和工程实践。
3. 最终我们比较残差网络和google网络和vgg网络
   

我们放出了训练代码， 训练好的模型，以及使用它来调优自己的数据的方法。https://github.com/facebook/fb.resnet.torch

我们放出的模型比原来论文中有更高的准确性

介绍

去年的尾巴，微软亚洲研究院放出一个paper， “深度残差学习for 图像识别”， 这个论文得到了图像分类和检测的最好效果， 赢得了imagenet和coo比赛的冠军。

论文的中心观点是简单聪明的。 他们用一个卷积网络和一个跳跃链接（跳过卷积网络直连后面的层）。每一个搭桥（跳跃链接）都会产生一个残余块，卷积网络都会学习出一个残余，把这个残余加到下一层的输入值中。