残差网络为何优于卷积神经网络

残差网络（ResNet）相较于传统的卷积神经网络（CNN）具有以下优点：

1. 解决了梯度消失问题：在深度卷积神经网络中，梯度往往会随着网络层数的增加而逐渐消失。而残差网络通过使用残差连接（即跨越多个层的直接连接）来直接学习残差，从而避免了梯度消失的问题。

2. 更深的网络结构：由于梯度消失问题的解决，残差网络可以更深的网络结构，从而拥有更强的表达能力和更好的性能。

3. 更高的训练速度：因为残差网络可以更快地收敛，所以训练速度更快。

4. 更好的泛化能力：残差网络能够更好地对抗过拟合，因此具有更好的泛化能力。

总之，相较于传统的卷积神经网络，残差网络能够更好地解决梯度消失问题，拥有更深的网络结构、更高的训练速度和更好的泛化能力，因此在许多计算机视觉任务中表现更好。