深度学习卷积神经网络 ResNet 残差块

ResNet（残差网络）中的残差块（Residual Block）是其核心创新，通过引入跳跃连接（Skip Connection）​​ 解决深度神经网络中的梯度消失和网络退化问题。以下是残差块的系统解析：

---

一、残差块的核心思想​

1. ​残差学习原理​

• ​传统网络​：直接学习目标映射 H(x)（输入→输出的复杂变换）。
• ​残差网络​：学习残差函数 F(x)=H(x)−x，输出为 y=F(x)+x 。
• ​优势​：
  • 当 H(x)≈x（恒等映射最优时），网络只需学习 F(x)≈0，比直接学习 H(x) 更简单。
  • 跳跃连接保留原始信息，梯度可通过短路路径直接回传，缓解梯度消失。

2. ​残差块结构​

---

​二、两种残差块类型​

1. ​BasicBlock（基础块）​​