From fc640e386bbbc8ebf68895f74354507e08ad7b89 Mon Sep 17 00:00:00 2001 From: CrossLee1 Date: Mon, 12 Dec 2016 17:55:24 +0800 Subject: [PATCH] Update resnet_model_cn.md --- doc_cn/demo/imagenet_model/resnet_model_cn.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/doc_cn/demo/imagenet_model/resnet_model_cn.md b/doc_cn/demo/imagenet_model/resnet_model_cn.md index 6b2acb160c..7e402a5040 100644 --- a/doc_cn/demo/imagenet_model/resnet_model_cn.md +++ b/doc_cn/demo/imagenet_model/resnet_model_cn.md @@ -7,7 +7,7 @@ 论文 [Deep Residual Learning for Image Recognition](http://arxiv.org/abs/1512.03385) 中提出的ResNet网络结构在2015年ImageNet大规模视觉识别竞赛(ILSVRC 2015)的分类任务中赢得了第一名。他们提出残差学习的框架来简化网络的训练，所构建网络结构的的深度比之前使用的网络有大幅度的提高。下图展示的是基于残差的连接方式。左图构造网络模块的方式被用于34层的网络中，而右图的瓶颈连接模块用于50层，101层和152层的网络结构中。
![resnet_block](./resnet_block.jpg)
-
Figure 1. ResNet Block
+
图 1. ResNet 网络模块
本教程中我们给出了三个ResNet模型，这些模型都是由原作者提供的模型转换过来的。我们使用PaddlePaddle在ILSVRC的验证集共5000幅图像上测试了模型的分类错误率，其中输入图像的颜色通道顺序为**BGR**，保持宽高比缩放到短边为256，只截取中心方形的图像区域。分类误差和模型大小由下表给出。
-- GitLab