本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。

合集完整版请查看这里。

在上一节中，使用了一个简单的神经网络进行识别数字。

这个网络结构非常简单，一是因为层数少，二是因为结构是顺序的，没有其他分支结构。

这类神经网络的结构表示起来大概就像是：conv -> relu -> conv -> relu -> maxpool -> fc 这种，一层连接着一层，这种神经网络结构可以被称为顺序结构的神经网络，也是最简单的一种结构。

现在介绍一个相对来说更加复杂，但我认为在计算机视觉领域非常重要的一个神经网络结构——Resnet50 模型结构。

本专栏后面所有的算法解析、代码实战以及模型的性能调优，也都是基于该神经网络模型来进行的。

什么是 Resnet50 神经网络

Resnet 神经网络是何凯明在《Deep Residual Learning for Image Recognition》论文中首次提出的。

Resnet50 模型之所以叫这个名字，是因为模型的核心思想就藏在名字里。

名字可以拆分为：Res + net + 50，Res 是 Residual （残差）的缩写，50 指的是整个网络中有 50 个卷积层。

Resnet 有很多系列，比如 Resnet18, Resnet101等，后面跟的数字代表的是神经网络中的卷积层的数量。

基本上你可以这么理解：数字越大，卷积层越多，网络的深度越深，神经网络提取的特征越多。

下图是 Resnet 各系列的网络结构汇总表。可以看到在 Resnet50 的那一列中，从第一层到最后一层，总共50个卷积算法，这里把最后一层的全连接层也看做了卷积，至于为什么可以这么看，是因为两者有算法等价关系。

残差

那么 Res（Residual）残差又是个什么东西呢？

所谓残差，其实就是在顺序连接的神经网络中，增加了一个 short cut 分支结构，俗称为高速公路。

比如，在上一节手写数字识别那个里子中，模型是一层一层往下传的，这种顺序的神经网络如果层数不多，是完全可以使用的的，但是如果层数很深（比如50层或者几百层），数据这么一层一层往下传，在训练时就会发现神经网络很难被训练出来。

训练不出来的原因有很多，其中一个可能是由于反向传播时梯度消失的问题。

而残差结构就是为了解决这个问题。

如下图所示，左侧是正常的神经网络层，一层层往下传，在右侧增加一条连线，使得整个网络结构形成了一个残差结构。这样，网络的输出不再是单纯卷积的输出 F(x)，而是原来的输出和输入的叠加 F(x) + X。

右侧的连线也被叫做高速公路：输入数据X不经过任何运算，可以快速到达输出的地方。

正是由于这个高速公路的存在，使得数据（无论是正向传播还是反向传播时传递梯度），数据都可以“无损”的通过，避免了上面说到的梯度消失的问题。

这种结构就是残差结构，在很多CV任务中，几乎都可以看到这种结构的存在，不论是图像识别的网络，还是目标检测的网络。

总结一下

Resnet50 是一个经典的图像分类网络，并且在图像分类任务上表现出色，它的创新就是引入了残差结构来确保网络深度可以搭建的很深。

很多工业项目中，会以 resnet50 为 back bone（骨干网络）来构建自己的神经网络。

也就说，不少CV网络中的骨干结构就是 resnet 结构，算法的层数不一定是50层，但是算法、原理几乎是一样的，在这个骨干结构的前后，在加一些模型自有的算法，从而来完成自己的特定任务。

为什么可以这样？

是因为resnet这种结构，包括卷积参数的设计，被证实有很强的图像特征提取能力，只要是图像任务，即使不是识别也需要提取特征，因此将 resnet 结构作为一种特征提取器来使用。

除此之外，几乎每一家做 AI 芯片的公司，都会以 resnet50 这个神经网络在自家芯片上跑出来的性能数据来作为宣传手段，这是因为只要这个网络性能好，就说明这家芯片至少在计算机视觉这个大领域内，性能都会有较好的泛化性，可见该模型的重要性。