Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
8df49256
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
8df49256
编写于
9月 01, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
polish resnet clarification
上级
0b96a504
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
chapter_convolutional-neural-networks/resnet.md
chapter_convolutional-neural-networks/resnet.md
+1
-1
未找到文件。
chapter_convolutional-neural-networks/resnet.md
浏览文件 @
8df49256
...
...
@@ -5,7 +5,7 @@
## 残差块
让我们聚焦于神经网络局部。如图5.9所示,设输入为$
\b
oldsymbol{x}$。假设
图5.9中最上方ReLU的理想映射(我们希望学出的)为$f(
\b
oldsymbol{x})$。左图虚线框中部分需要直接拟合出该映射$f(
\b
oldsymbol{x})$。而右图虚线框中部分需要拟合出残差(residual)映射$f(
\b
oldsymbol{x})-
\b
oldsymbol{x}$。残差映射在实际中往往更容易优化。以本节开头提到的恒等映射作为我们希望学出的理想映射$f(
\b
oldsymbol{x})$,并以ReLU作为激活函数。我们只需将图5.9中右图最上方加权运算(例如仿射)的权重和偏差参数学成零,最
上方ReLU的输出就会与输入$
\b
oldsymbol{x}$恒等。图5.9右图也是ResNet的基础块,即残差块(residual block)。在残差块中,输入可通过跨层的数据线路更快地向前传播。
让我们聚焦于神经网络局部。如图5.9所示,设输入为$
\b
oldsymbol{x}$。假设
我们希望学出的理想映射为$f(
\b
oldsymbol{x})$,以作为图5.9上方激活函数的输入。左图虚线框中部分需要直接拟合出该映射$f(
\b
oldsymbol{x})$。而右图虚线框中部分则需要拟合出残差(residual)映射$f(
\b
oldsymbol{x})-
\b
oldsymbol{x}$。残差映射在实际中往往更容易优化。以本节开头提到的恒等映射作为我们希望学出的理想映射$f(
\b
oldsymbol{x})$,并以ReLU作为激活函数。我们只需将图5.9中右图上方加权运算(例如仿射)的权重和偏差参数学成零,那么
上方ReLU的输出就会与输入$
\b
oldsymbol{x}$恒等。图5.9右图也是ResNet的基础块,即残差块(residual block)。在残差块中,输入可通过跨层的数据线路更快地向前传播。
![
设输入为$\boldsymbol{x}$。假设图中最上方ReLU的理想映射为$f(\boldsymbol{x})$。左图虚线框中部分需要直接拟合出该映射$f(\boldsymbol{x})$。而右图虚线框中部分需要拟合出残差映射$f(\boldsymbol{x})-\boldsymbol{x}$。
](
../img/residual-block.svg
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录