Deep Residual Network (Deep ResNet)

Autore: Roger Morrison
Data Della Creazione: 27 Settembre 2021
Data Di Aggiornamento: 21 Giugno 2024
Anonim
[Classic] Deep Residual Learning for Image Recognition (Paper Explained)
Video: [Classic] Deep Residual Learning for Image Recognition (Paper Explained)

Contenuto

Definizione - Cosa significa Deep Residual Network (Deep ResNet)?

Una rete residua profonda (deep ResNet) è un tipo di rete neurale specializzata che aiuta a gestire attività e modelli di deep learning più sofisticati. Ha ricevuto un po 'di attenzione alle recenti convenzioni IT ed è stato preso in considerazione per l'aiuto nella formazione di reti profonde.


Un'introduzione a Microsoft Azure e Microsoft Cloud | In questa guida imparerai cos'è il cloud computing e in che modo Microsoft Azure può aiutarti a migrare e gestire la tua azienda dal cloud.

Techopedia spiega Deep Residual Network (Deep ResNet)

Nelle reti di apprendimento profondo, un framework di apprendimento residuo aiuta a preservare buoni risultati attraverso una rete con molti livelli. Un problema comunemente citato dai professionisti è che con reti profonde composte da molte dozzine di strati, l'accuratezza può saturare e può verificarsi un certo degrado. Alcuni parlano di un diverso problema chiamato "gradiente di sparizione" in cui le fluttuazioni del gradiente diventano troppo piccole per essere immediatamente utili.

La rete residua profonda affronta alcuni di questi problemi utilizzando blocchi residui, che sfruttano la mappatura residua per preservare gli input. Utilizzando strutture di apprendimento residuo profondo, gli ingegneri possono sperimentare reti più profonde che presentano specifiche sfide formative.