Resnet(残差网络)

Resnet网络解决了深层神经网络中梯度消失和梯度爆炸的问题,通过引入残差块使得网络能有效学习并优化微小变化。其核心思想是设计网络为H(x)=F(x)+x,学习残差F(x)=H(x)-x,当F(x)=0时,网络输出为恒等函数,简化了学习过程。
摘要由CSDN通过智能技术生成

Resnet(残差网络)


参考:

https://www.cnblogs.com/alanma/p/6877166.html

https://blog.csdn.net/lanran2/article/details/79057994


  1. 问题

    训练更加深层的网络能够提取更多的特征。理论上来说会取得更好的效果。

    但是不能简单的增加网络层数

    • 单单增加网络的深度会导致梯度消失以及梯度爆炸的问题
      • 可以通过正则化或者Batch Normalization来解决梯度消失或者梯度爆炸等问题
    • 仅仅依靠正则化或者Batch Normalization来增加网络深度还会带来退化问题
      • 网络在训练集上准确率下降,很难去通过深层网络拟合目标函数
  2. 核心思想

    在这里插入图片描述

    对于多层网络来说,拟合潜在的恒等函数 G ( x ) = x G(x)=x G(x)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值