本文深入探讨了ResNet残差网络如何在增加网络深度的同时保持甚至提高识别率，解释了为何网络越深错误率不升反降。通过引入identity mapping和shortcut connection，ResNet解决了深度学习中的梯度消失问题，适用于各种复杂任务，如分类和分割，并在多个数据集上取得优秀表现。
0.摘要
本网络能够让网络层数增加的同时，识别率不下降。
神经网络没有证明，所以你看论文不能忽略作者的introduction以及related work，更重要的是实验，因为没有数学证明，实践证明又不严谨的话，就是一个笑话。所以产业化也不容易。（所以要学习大牛们是怎么做试验的）
图片来自论文，版权归作者所有。
1.网络越深为什么错误率上升了
首先我们有个浅层网络训练好的，然后我们往上增加层数，假设这个层是identity mapping，这里翻译成恒等mapping，wiki说是恒等映射，一模一样，x=I(x),那么识别率不应该下降，也就是说浅层网络的错误率一定比更多层的网络高。这个原论文解释，还差点火候，因为还有一篇论文他们写的，专门用来解释，不是一两句说的清楚的。最后面有论文连接。等我看了再更一篇。所以理解大概意思就好。</
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
