Residual Net

残差网络（ResNet）是一种深度学习模型，由微软研究院的何恺明等人于2015年提出。它通过引入残差学习来解决深度神经网络中的梯度消失和梯度爆炸问题。在残差网络中，每个模块都会接收一个输入，并产生一个输出。如果这个输出与输入相同，那么这个模块就被称为“恒等映射”。残差网络通过将原始的输入和输出相加来构建这些恒等映射，从而实现了对信息的无损传递。这种结构使得深度神经网络可以更容易地训练，并且能够获得更好的性能。残差网络已经被广泛应用于计算机视觉领域，并在许多重要的竞赛中取得了优异的成绩。