Residual Unit

残差单元（Residual Unit）是深度学习中的一种重要结构，特别是在卷积神经网络（CNN）和残差网络（ResNet）中。它的主要思想是通过学习输入数据与目标输出之间的残差来改进模型的性能。在传统的卷积神经网络中，每一层的输出都会直接传递给下一层，而在残差网络中，每一层的输出会先与对应的输入相加，然后再传递给下一层。这样做的目的是使网络更容易学习到恒等映射，从而降低了训练的难度。此外，通过引入残差连接，可以有效地缓解梯度消失或梯度爆炸的问题，使得网络可以更深更宽。因此，残差单元在图像识别、语音识别等领域取得了显著的效果。