---
title: ResNet论文精读
tags:
  - module
  - research
  - deep-learning
  - paper-reading
  - joplin
type: module
source_type: reconstructed
created: 2026-04-23
updated: 2026-04-23
---

# ResNet论文精读

> [!abstract]
> 这一模块围绕 ResNet 论文建立复习框架。重点不是只记残差块长什么样，而是理解它为什么能解决深层网络退化问题。

## 模块结论

- [[ResNet]] 的关键创新是 [[残差连接]]，它通过恒等映射路径缓解深层网络训练困难。
- ResNet 的贡献不只是更深，而是把“深而可训练”变成了稳定可复用的工程范式。

## 一、它在解决什么问题

- 网络加深后并不一定更好。
- 退化问题意味着更深网络在训练误差层面就可能变差。
- ResNet 抓住的是优化难度，而不只是模型表达上限。

## 二、核心思想

- 让网络学习残差而不是直接学习完整映射。
- 通过跳跃连接保留恒等路径。
- 让梯度传播更稳定。

## 三、为什么它成为视觉主线

- 它把残差设计变成了高度通用的骨架思想。
- 后续大量视觉模型都吸收了这种跨层信息传递思路。

## 四、论文精读重点

- 退化问题和过拟合问题要区分。
- 残差连接为什么有助于优化。
- 实验如何证明“更深但更好训练”。

## 五、复习提问

- ResNet 主要解决的到底是什么问题？
- 残差连接为什么能改善训练？
- 它和 AlexNet 的历史位置有什么不同？

## 来源

- [[raw/Joplin/研究生生涯/研究生论文精读/【P4】撑起计算机视觉半边天的ResNet【上】.pdf.md]]
- [[raw/Joplin/研究生生涯/研究生论文精读/【P5】ResNet论文逐段精读【论文精读】.pdf.md]]

## 相关页面

- [[研究生论文精读]]
- [[ResNet]]
- [[残差连接]]
- [[AlexNet论文精读]]
- [[Transformer论文精读]]