深度残差网络

本文深入探讨了深度残差网络(ResNet)的工作原理,解释了为何残差块能有效提升深层网络性能,即使在网络层数增加时,也能避免性能下降,甚至进一步提升网络表现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天看的论文是Deep Residual Learning for Image Recognition
同时结合了吴恩达关于深度残差网络的讲解
在这里插入图片描述
红色圈出的地方都是残差块

对于添加了残差块的网络,让网络学习到最后的恒等函数是很容易的,所以网络层次变深,网络的性能至少不会下降,而如果中间的隐层学习到了一些东西,这样网络的性能就会提升了。而对于普通的网络(plain network),越来越深层的网络很难学习,所以性能会下降。
深度残差网络起作用的原因是,残差块学习恒等函数非常容易,可以确定网络性能不会下降,甚至可以提高性能。

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