残差网络（ResNet）

文档摘要

残差网络（ResNet） :label: 随着我们设计越来越深的网络，深刻理解“新添加的层如何提升神经网络的性能”变得至关重要。更重要的是设计网络的能力，在这种网络中，添加层会使网络更具表现力，为了取得质的突破，我们需要一些数学基础知识。函数类首先，假设有一类特定的神经网络架构$\mathcal{F}$，它包括学习速率和其他超参数设置。对于所有$f \in \mathcal{F}$，存在一些参数集（例如权重和偏置），这些参数可以通过在合适的数据集上进行训练而获得。现在假设$f^$是我们真正想要找到的函数，如果是$f^ \in \mathcal{F}$，那我们可以轻而易举的训练得到它，但通常我们不会那么幸运。