¿Qué es exactamente un bloque de aprendizaje residual en el contexto de las redes residuales profundas en el aprendizaje profundo?


12

Estaba leyendo el artículo Aprendizaje residual profundo para el reconocimiento de imágenes y tuve dificultades para comprender con 100% de certeza lo que implica un bloqueo residual computacionalmente. Leyendo su periódico tienen la figura 2:

ingrese la descripción de la imagen aquí

que ilustra lo que se supone que es un Bloque residual. ¿El cálculo de un bloque residual es simplemente el mismo que:

y=σ(W2σ(W1x+b1)+b2+x)

¿O es otra cosa?

En otras palabras, tal vez tratar de hacer coincidir la notación del artículo es:

F(x)+x=[W2σ(W1x+b1)+b2]+x

¿es eso cierto?

Observe que después de la suma del círculo, la palabra ReLU aparece en el papel, por lo que la salida de un Bloque residual (que denoté con ) debería ser:y

σ(F(x)+x)=σ([W2σ(W1x+b1)+b2]+x)

con una no linealidad adicional ReLU .σ


is x is positive relu (x) = x
Ray Tayek

Respuestas:


Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.