残差网络 ResNet 为什么能训练出1000层的模型 动手学深度学习v2

1. 残差网络 ResNet

假设你在CNN卷积神经网络中只了解一个什么网络，那就是残差网络 ResNet。ResNet 是一个很简单，也很有用的网络。

增加更多的层总是改进精度吗？不一样，比如左边的图F6比F3，距离目标函数f*更远，所以效果是更差的。

残差块 f(x) = x + g(x)

https://cv.gluon.ai/model_zoo/classification.html

2. 代码实现

10个epoch，train acc 0.996， test acc 0.885

3. ResNet为什么能训练出1000层的模型

因为乘法会使得梯度消失或者梯度爆炸；假设都能控制成梯度消失，ResNet就是把累积乘法变成了加法，解决了梯度消失的问题。

4. Q&A

• 1. 残差网络ResNet f(x) = x + g(x), 如果g(x) 对网络训练是变化的，不是减弱了这个效果么？ 是的，残差网络ResNet是保证深的神经网络下，不会变差。
• 2. 为什么ImageNet不能达到测试准确率100%。 因为 ImageNet中的测试集，有一些label是错的。

5. 第二部分完结竞赛：图片分类

竞赛地址：https://www.kaggle.com/c/classify-leaves

参考

https://www.bilibili.com/video/BV1bV41177ap?p=1