Deep Residual Network (Deep ResNet)

Schrijver: Roger Morrison
Datum Van Creatie: 27 September 2021
Updatedatum: 21 Juni- 2024
Anonim
[Classic] Deep Residual Learning for Image Recognition (Paper Explained)
Video: [Classic] Deep Residual Learning for Image Recognition (Paper Explained)

Inhoud

Definitie - Wat betekent Deep Residual Network (Deep ResNet)?

Een diep residueel netwerk (deep ResNet) is een type gespecialiseerd neuraal netwerk dat helpt bij het verwerken van meer geavanceerde diepgaande leertaken en modellen. Het heeft nogal wat aandacht gekregen bij recente IT-conventies en wordt overwogen om te helpen bij de training van diepe netwerken.


Een inleiding tot Microsoft Azure en de Microsoft Cloud | In deze handleiding leert u wat cloud computing inhoudt en hoe Microsoft Azure u kan helpen bij het migreren en runnen van uw bedrijf vanuit de cloud.

Techopedia verklaart Deep Residual Network (Deep ResNet)

In diepe leernetwerken helpt een residueel leerkader om goede resultaten te behouden via een netwerk met vele lagen. Een probleem dat vaak door professionals wordt aangehaald, is dat met diepe netwerken die uit vele tientallen lagen bestaan, de nauwkeurigheid verzadigd kan raken en enige verslechtering kan optreden. Sommigen praten over een ander probleem dat "verdwijningsgradiënt" wordt genoemd, waarbij de gradiëntschommelingen te klein worden om onmiddellijk bruikbaar te zijn.

Het diepe residuele netwerk lost een aantal van deze problemen op door gebruik te maken van restblokken, die profiteren van residuele mapping om inputs te behouden. Door gebruik te maken van diepgaande leerkaders, kunnen ingenieurs experimenteren met diepere netwerken met specifieke trainingsuitdagingen.