ResNet优点:
- 有超深的网络结构
- 提出了residual模块
- 使用Batch Normalization 加速训练(丢弃dropout)
随着网络层数的增加会出现梯度消失或梯度爆炸以及退化问题( degradation problem)
梯度消失和梯度爆炸出现的原因:
在反向传播中需要对激活函数求导。
如果导数<1,那随着网络层数的增加,梯度更新会朝着指数衰减的方式减少。
如果导数>1,那随着网络层数的增加,梯度更新会朝着指数爆炸的方式增加。
解决方法:BN、ReLu函数(导数为1,每层网络都可以得到相同的更新速度)
Batch Normalization原理
对于Conv1来说输入的就是满足某一分布的特征矩阵,但对于Conv2而言输入的feature map就不一定满足某一分布规律了,而我们Batch Normalization的目的就是使我们的feature map满足均值为0,方差为1的分布规律。
“对于一个拥有d维的输入x,我们将对它的每一个