上周参加了XX大学研究生推免的面试，面试老爷问到了resnet主要解决了什么问题，我下意识的回答到解决了当网络加深的时候会出现的vanishing/exploding gradients，然后面试老爷的表情就很丰富。这两天推免名额到手了，翻了翻resnet的paper（Deep Residual Learning for Image Recognition Kaiming He Xiangyu Zhang Shaoqing Ren Jian Sun Microsoft Research），em....果然回答错了。
论文地址：https://arxiv.org/pdf/1512.03385.pdf
先放一段原文：
大致就是随着深度的加深可能产生的vanishing/exploding gradients由normalized initialization和intermediate normalization解决了（读到的时候心理那叫一个刺激...）。残差网络主要解决了网络退化的问题（随着网络的深度增加，准确度反而下降了）。留下不学无术的眼泪。。。。
针对这个问题，作者提出了一个Residual的结构：
即增加一个identity mapping（恒等映射），将原始所需要学的函数H(x)转换成F(x)+x，而作者认为这两种表达的效果相同，但是优化的难度却并不相同，作者假设F(x)的优化 会比H(x)简单的多。这一想法也是源于图像处理中的残差向量编码，通过一个reformulation，将一个问题分解成多个尺度直接的残差问题，能够很好的起到优化训练的效果。 这个Residual block通过shortcut connection实现，通过shortcut将这个block的输入和输出进行一个element-wise的加叠，这个简单的加法并不会给网络增加额外的参数和计算量，同时却可以大大增加模型的训练速度、提高训练效果，并且当模型的层数加深时，这个简单的结构能够很好的解决退化问题。
面试的时候还提到了一个问题：残差网络的残差怎么来的，现在看了看论文，应该是从文献中的残差表示入手。留下不学无术的眼泪......