文档摘要

3.5 ResNet：残差跳线与超深网络 本节摘要：按直觉，网络越深表达力越强，实验却给出怪结果：五十六层的训练误差反而高于二十层——问题不是过拟合，是深网络"学不动"。ResNet 的解法只加了一条线：把输入原封不动接到输出上，让每层只学"相对输入的改动量"。这条残差跳线让上百层网络第一次训练得动，2015 年它把 ImageNet 前五错误率压到 3.57%。 会员。《3.5 ResNet：残差跳线与超深网络》收录于灏天文库文集《CNN 深度解析：图像识别的基石》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/449-cnn-%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E7%9A%84%E5%9F%BA%E7%9F%B3

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流