常规废话环节
? ? ? ? 这篇是接触深度学习后读的第一篇论文，就像上篇博客结尾说的，这是个很厉害的东西。文中介绍的是2015 ImageNet中分类任务的冠军——MSRA何凯明团队的Residual Networks，这篇论文也是2016年CVPR最佳论文。当然，关于这方面的东西不过多提，还是很推荐阅读原作，虽然对于一个英语渣来说很困难。
?1、Motivations
? ? ? ? 介绍一下正文，作者首先抛出了一个问题：深度神经网络越深越好吗？
? ? ? ? 按照定义来看，网络随着深度的增加，不断地去学习，只要不出现梯度消失/梯度爆炸，而且不出现过拟合，那么网络越深，最后的输出应该越接近我们的预期值。
? ? ? ? 但是随着网络的加深，却出现了退化（degradation）现象。即网络加深了，精度却下降了，而且不是由过拟合引起的。如下图：
? ? ? ? ?图中很明显的可以看到，随着精度的加深，56层网络error反而比20层网络还要高，这是不合理的。理论上，可以训练一个 shallower 网络，然后在这个训练好的 shallower 网络上堆几层?identity mapping（恒等映射） 的层，即输出等于输入的层，构建出一个 deeper 网络。这两个网络（shallower 和 deeper）得到的结果应该是一模一样的，因为堆上去的层都是 identity mapping。这样可以得出一个结论：理论上，在训练集上，Deeper 不应该比 shallower 差，即越深的网络不会比浅层的网络效果差。
? ? ? ? 文中也提出了原因：随着网络越来越深，训练变得原来越难，网络的优化变得越来越难。理论上，越深的网络，效果应该更好；但实际上，由于训练难度，过深的网络会产生退化问题，效果反而不如相对较浅的网络。
? ? ? ? 本文提出的残差网络（Residual Networks）则解决了这个问题。
2、Residual Networks
? ? ? ? 文中引入残差网络结构，即在输入与输出之间（称为堆积层）引入一个前向反馈的shortcut connection，这有点类似与电路中的“短路”，也是上面提到identity mapping（恒等映射，即输入=输出）。原来的网络是学习输入到输出的映射H(x)，而残差网络学习的是F(x)=H(x)?x。残差学习的结构如下图所示：
? ? ? ? 残差网络通过加入 shortcut connections，变得更加容易被优化。包含一个 shortcut connection 的几层网络被称为一个残差块，即上图所示结构。如图所示，x表示输入，，
代表relu激活函数，则最后输出为
。
? ? ? ? 那么这个结构为什么优化相对更容易呢？当没有 shortcut connection 时，残差块就是一个普通的 2 层网络。残差块中的网络可以是全连接层，也可以是卷积层。若第二层网络在激活函数之前的输出为?H(x)。假设极端情况：在该 2 层网络中，最优的输出就是输入的x，那么对于没有 shortcut connection 的网络，就需要将其优化成?H(x)=x；对于残差块来说，如果最优输出是?x，则只需要将?F(x)=H(x)?x优化为 0 即可。那么将残差优化到0比通过一个堆叠的非线性层去拟合一个恒等映射要容易得多。
3、网络结构
? ? ? ? ?上图最右侧就是一个残差网络的结构，残差网络和中间部分的 plain network 唯一的区别就是 shortcut connections。针对虚线部分的 shortcut connections，尺寸变化处理，有三种选择：
- zero-padding shortcuts。快捷连接仍然使用恒等映射，对不足的特征维数直接进行补零。
- projection shortcuts。利用1x1卷积核进行升降维匹配尺寸。其他的shortcut都是恒等映射（identity mapping）类型。
- 所有的shortcuts都使用projection shortcuts
4、深度瓶颈架构
????????减少训练时间，改为一种瓶颈设计。对于每个残差函数F，将2层结构改为3层，先用1x1压缩通道数目以减少计算量，3x3进行卷积，再用1x1进行升维，带来更高的效率。而图左因为该快捷连接连到了两个高维端，耗费太多时间。
5、实现
? ? ? ? ?这里直接粘上论文的原文，另外从大佬博客里偷到的翻译：
? ? ? ? 本来这篇博客昨天应该就写完发出来的，但是这两天感冒了昨天顶不住先回去睡觉了，今天早上吃了药昏昏沉沉了一整天，百度一查果然吃的药有嗜睡的副作用，淦。从早上晨会开始到晚上，盯着电脑脑袋就发昏，看不进去东西，明天早上不可能再吃了
，摸了一天鱼，真香。（逃。
?