Resnet是什么，Resnet的特点是什么

Resnet（Residual Network）是一种卷积神经网络模型，以其深度（可以超过百层）和优秀的表现在许多计算机视觉任务中广泛使用。

Resnet最突出的特点是采用了残差学习（residual learning）的思想，这种思想跳过网络的某些层或部分，直接将输入传到后面的层中。残差块让Resnet在训练深层数量的网络时，可以有效避免模型退化（模型准确率反而降低的现象），并且减轻了训练难度。

此外，Resnet还采用了全局平均池化（Global Average Pooling）的方式将卷积层输出的特征图降维到1x1大小，这极大地减少了网络参数，并且能够有效抑制过拟合。

总的来说，Resnet是一种强大的网络模型，具有很高的准确率和稳定性，并在许多计算机视觉领域如图像分类、目标检测、图像分割等方面取得了很好的效果。