ResNet是什么？

ResNet（Residual Network）是一种深度卷积神经网络架构，由微软研究院提出。它通过引入残差连接（residual connection）来解决深层网络训练过程中的梯度消失和梯度爆炸问题，使得网络可以更深更容易训练。

在传统的卷积神经网络中，每个网络层都会对输入进行变换，而残差网络则引入了跳跃连接，将输入直接添加到输出中，形成了残差块。这样做的好处是，即使网络层数增加，也能保持较好的性能。通过残差连接，网络可以学习到残差函数，即输入与输出之间的差异，从而更好地适应复杂的数据分布。

ResNet的核心思想是通过残差块来构建深层网络，其中每个残差块由多个卷积层组成。此外，为了减小特征图的尺寸，ResNet还引入了池化层和步长卷积层。通过堆叠多个残差块，可以构建非常深的网络，如ResNet-50、ResNet-101和ResNet-152等。