对残差网络resnet shortcut的解释

重读残差网络——resnet(对百度vd模型解读)

    <div id="blogColumnPayAdvert">
        <div class="column-group open">
            <div class="column-group-item column-group0 ">
                <div class="item-l">
                    <a class="item-target" href="https://blog.csdn.net/txpp520/category_9874488.html" target="_blank" title="AI基础" data-report-click="{&quot;spm&quot;:&quot;1001.2101.3001.6332&quot;}">
                        <img class="item-target" src="https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64" alt="">
                        <span class="title item-target">
                            <span>
                            <span class="tit">AI基础</span>
                                <span class="dec more" style="display: none;">同时被 2 个专栏收录<img src="https://csdnimg.cn/release/blogv2/dist/pc/img/newArrowDown1White.png" alt=""></span>
                            </span>
                        </span>
                    </a>
                </div>
                <div class="item-m">
                    <span>56 篇文章</span>
                    <span>2 订阅</span>
                </div>
                <div class="item-r">
                        <a class="item-target article-column-bt articleColumnFreeBt" data-id="9874488">订阅专栏</a>
                </div>
            </div>
            <div class="column-group-item column-group1 ">
                <div class="item-l">
                    <a class="item-target" href="https://blog.csdn.net/txpp520/category_9798004.html" target="_blank" title="深度学习概念" data-report-click="{&quot;spm&quot;:&quot;1001.2101.3001.6332&quot;}">
                        <img class="item-target" src="https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64" alt="">
                        <span class="title item-target">
                            <span>
                            <span class="tit">深度学习概念</span>
                            </span>
                        </span>
                    </a>
                </div>
                <div class="item-m">
                    <span>27 篇文章</span>
                    <span>6 订阅</span>
                </div>
                <div class="item-r">
                        <a class="item-target article-column-bt articleColumnFreeBt" data-id="9798004">订阅专栏</a>
                </div>
            </div>
        </div>
    </div>
<article class="baidu_pl">
    <div id="article_content" class="article_content clearfix">
    <link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-6e43165c0a.css">
            <div id="content_views" class="htmledit_views">
                <p>&nbsp; <a href="https://so.csdn.net/so/search?q=resnet&amp;spm=1001.2101.3001.7020" target="_blank" class="hl hl-1" data-report-click="{&quot;spm&quot;:&quot;1001.2101.3001.7020&quot;,&quot;dest&quot;:&quot;https://so.csdn.net/so/search?q=resnet&amp;spm=1001.2101.3001.7020&quot;,&quot;extra&quot;:&quot;{\&quot;searchword\&quot;:\&quot;resnet\&quot;}&quot;}" data-tit="resnet" data-pretit="resnet">resnet</a> 解决了随着CNN网络深度的加深,网络性能退化的一个问题。</p> 

具体解释见 (11:20):  飞桨开发者live:手把手教你玩转工业质检_哔哩哔哩_bilibili 一分钟带你认识残差模块

对百度vd模型解读(14:40):飞桨开发者live:手把手教你玩转工业质检_哔哩哔哩_bilibili

很好的解释:深度学习经典网络(4)ResNet深度残差网络结构详解_青衫憶笙-CSDN博客_resnet网络结构

论文翻译中文版

Figure 5

 

Resnet v2 结构有人用吗?效果如何? - 知乎

2. 怎么解决退化问题?

2.1.直观理解

深度残差网络。如果深层网络的后面那些层是恒等映射,那么模型就退化为一个浅层网络。那现在要解决的就是学习恒等映射函数了。 但是直接让一些层去拟合一个潜在的恒等映射函数H(x) = x,比较困难,这可能就是深层网络难以训练的原因。但是,如果把网络设计为H(x) = F(x) + x,如下图。我们可以转换为学习一个残差函数F(x) = H(x) - x. 只要F(x)=0,就构成了一个恒等映射H(x) = x. 而且,拟合残差肯定更加容易。

(二十七)通俗易懂理解——Resnet残差网络 - 知乎

对残差网络ResNet的理解与探讨

探讨了为什么学习残差比直接学习 恒等映射 更容易,更方便,为什么要学习残差

需要学习恒等映射才引入了shortcut,而不是引入了shortcut导致了学习到恒等映射

也就是 通过引入 shortcut,使得网络能直接学习残差的方式解决原先多余的网络层变成恒等映射层比较困难的问题。

</article>
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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