ResNet 为我解释一下这个是什么？

ResNet（Residual Network，残差网络）是一种经典的深度神经网络架构，主要用于图像识别和计算机视觉。它由微软研究院团队在 2015 年提出。

它最核心的创新可以浓缩成一句话：

不要让网络直接学习“最终结果”，而是让它学习“输入需要改变多少”。

1. 为什么需要 ResNet？

传统卷积神经网络通常是这样一层层计算：

$$x \rightarrow F(x)$$

理论上，网络层数越深，模型就越强。但实际训练时，网络太深会出现一个问题：

层数增加以后，模型反而可能训练得更差。

原因包括梯度传播困难，以及深层网络很难学会“这一层其实什么都不用做”。

ResNet 为此加入了一条捷径（Skip Connection / Shortcut Connection）：

$$x \rightarrow x + F(x)$$

也就是说，输入 $x$ 不仅进入神经网络层，还可以直接“绕过去”，最后和网络计算出的 $F(x)$ 相加。

---

2. 什么叫“残差”？

假设我们真正想学习的目标是：

$$H(x)$$

普通神经网络直接学习：

$$H(x)$$

ResNet 则换一个思路，让网络学习：

$$F(x)=H(x)-x$$

于是：

$$H(x)=F(x)+x$$

这里的 $F(x)$ 就叫做 Residual（残差）。

例如，你可以把它想成：

原图 → “需要修改的部分” → 加回原图 → 新结果

而不是：

原图 → 完全重新生成一个结果

这种方式通常更容易学习。

---

3. ResNet 的结构长什么样？

一个非常简化的 Residual Block（残差块）可以理解成：

text
             ┌───────────────┐
             │               │
             │       x       │
             │               ↓
x ──→ Conv ──→ ReLU ──→ Conv ──→ (+) ──→ 输出
│                              ↑
└──────────────────────────────┘
           Shortcut

上面的卷积层负责学习：

$$F(x)$$

下面那条直接连过去的线传递：

$$x$$

最后得到：

$$y=F(x)+x$$

这就是 ResNet 最重要的结构——Residual Block。

---

4. 为什么这个设计这么厉害？

一个很直观的原因是：

假如某几层实际上没什么需要学习的，普通网络还得费劲学出一个“原样输出”的函数。

而 ResNet 只需要让：

$$F(x)\approx0$$

那么：

$$F(x)+x\approx x$$

也就是说，这几层可以很容易地变成：

“没必要处理的话，就直接让信息通过。”

因此网络可以做得非常深。

于是就有了你经常看到的：

• ResNet-18：18 层
• ResNet-34：34 层
• ResNet-50：50 层
• ResNet-101：101 层
• ResNet-152：152 层

其中 ResNet-50 是非常常见的计算机视觉 backbone（骨干网络）。

5. 一句话理解

你可以把普通神经网络理解成：

“请你重新计算一个答案。”

而 ResNet 更像：

“原来的答案先保留，你只告诉我需要修改什么。”

这一个看起来很简单的思想，让非常深的神经网络变得更容易训练，也是现代深度学习中非常重要的架构思想。

如果你正在学 CNN，我建议把 ResNet = CNN + Skip Connection + Residual Block 先记住，这样已经抓住它最核心的部分了。