一.简介
1.残差神经网络是2015年由微软研究院四位华人提出的,在Imgnet上夺冠的神经网络,它是有152层深的神经网络,在2015年的ILSVRC比赛中取到了3.5%错误率。
Resnet能够达到152层的原因是引入了残差模块的概念,使用如下图的残差模块控制跳转来克服深层网络梯度消失的问题。
2.创建残差模块的思路是:对于一个神经网络,随着我们增加网络深度时,会导致梯度消散问题,梯度消散时训练集和测试集上误差都会增大,而此时我们增加几个y=x的全等映射层,更深的网络并不会引起误差的上升,而这种全等映射层就是设计残差模块的思路源泉。
二.主思想介绍
1.创建ResNet模块的理论来源是瑞典科学家提出的Highway Network,Highway Network设计的目标是解决较深网络难以训练的问题,设计方案是把原本的网络输出激活函数 改成下式,其中x是输入,C为保留系数,T为转化系数,在论文中C+T=1,通过这样的方式来调节新学习的信息比例。