有关resnet相关部分学习

一、resnet进步之处

resnet引入了残差网络，解决了模型层数增加时出现梯度消失或梯度爆炸的问题。

原文链接：原文链接

通俗进行理解就是在进行epoch迭代时，resnet中,但是当该轮学习效果并不是很好时，令f(x)=0即可，即该轮的学习效果并不进行累加。但是由于是相加的缘故，两者的张量大小必须相同。

在图像处理方面，常用的是采取卷积核为3，padding为1的两个卷积层处理，这样可以不改变张量形状。

BatchNorm2d进行数据的归一化处理，这使得数据在进行Relu之前不会因为数据过大而导致网络性能的不稳定

二、resnet结构

resnet网络中含有很多的的图1结构成为resnet block。其中resnet block的结构不止一种。常见的结构如下：