传统的CNN为什么深度越深的时候效果不好，残差网络却可以克服这问题？

至少针对图像规模而言，首先一个共鸣就是：搜集越深了局越好，比方本年ILSVRC2015的MSRA秒天秒地的成效可见一斑。而传统的深层神经搜集是做不到这么深的，一个首要缘故原由就是剃度

至少针对图像规模而言，首先一个共鸣就是：搜集越深了局越好，比方本年ILSVRC2015的MSRA秒天秒地的成效可见一斑。而传统的深层神经搜集是做不到这么深的，一个首要缘故原由就是剃度会弥散可能爆炸。怎么休止传统深层神经搜集中呈现的剃度弥散可能爆炸能够参照batch normalization等要领。今朝常用的深层神经搜集之以是比之前的好，如CNN，大年夜略说来就是：（1）权值共享使得模型越发大年夜略，泛化伎俩更强；（2）局部毗邻使得对feature的抽象历程大年夜大年夜裁减了对空间干系性对依靠，使得模型对样本的畸变不敏感（如改变、扭曲等）。然而从AlexNet到VGG，GoogleNet再到本年的MSRA能够看出，最主要的还是搜集能不能做到很深，传统神经搜集很难办到这点。

回答完毕,觉得还可以的话点个赞,关注下,去主页看看我的作品（跪谢了）另外祝条友们天天开心,身体健康，2018发发发！