学习来源 shortcut(shortpath）直译为“直连”或“捷径”，其为CNN模型发展中出现的一种非常有效的结构。shortcut的引入目的是解决一味增加网络深度而产生的梯度发散。
1、最初的CNN模型
只有相邻两层之间存在通过W_H的连接（x、y是相邻两层），其中H表示网络中的变换，公式如下：
网络结构如下图：
2、shortcut思想
在两层之间增加了权重，结构如下图：
与最初CNN模型不同的是：输入层x是通过C的加权连接到输出层y。通过这种连接方式的改进，缓解了深度网络中的梯度发散问题，尤其在层数非常深的时候。
其中设置C=1-T，公式如下：
2、ResNet思想
ResNet的动机依然是解决深度模型中的退化问题：层数越深，梯度越容易发散，误差越大，难以训练。
理论上，模型层数越深，误差应该越小才对，因为我们总可以根据浅层模型的解构造出深层模型的解（将深层模型与浅层模型对应的层赋值为浅层模型的权重，将后面的层取为恒等映射），使得这个深层模型的误差不大于浅层模型的误差。但是实际上，深度模型的误差要比浅层模型的误差要大.
作者认为产生这种现象的原因是深度模型难以优化，难以收敛到较优的解，并假设相比于直接优化下图一最初的CNN的模型F(x)=y，下图二残差F(x)=y-x更容易优化。
因此当shortcut不仅限于跨越1层，而是可以跨越2层或3层时（T和C都设为1，降低模型的自由度），就构成了ResNet残差结构如下图所示：
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
