ResNet inception

ResNet（Residual Network）和Inception都是深度学习领域非常著名的网络架构。

ResNet是由微软亚洲研究院提出的，它通过引入残差块（Residual Block）解决了深层神经网络训练过程中的梯度消失和爆炸问题。在传统卷积网络中，逐层堆叠可能会导致信息在传播过程中逐渐减小或增大的问题，而ResNet中的每个模块会直接添加输入到输出上，形成一种跳跃连接的方式，使得模型能够更容易地学习到深层次特征，显著提升了深度网络的性能。

Inception则是由Google团队提出的，特别是Inception-v1架构，它结合了不同尺寸的滤波器、池化操作以及全连接层在同一层内，以并行处理来自不同尺度的信息。这种设计提高了网络对图像特征的捕捉能力，特别是在物体识别任务中效果显著。后续的版本如Inception-v2、v3等进一步优化了结构，使得Inception系列成为深度学习领域的经典之作。