Deep Residual Network (Deep ResNet)

Pengarang: Roger Morrison
Tanggal Pembuatan: 27 September 2021
Tanggal Pembaruan: 21 Juni 2024
Anonim
[Classic] Deep Residual Learning for Image Recognition (Paper Explained)
Video: [Classic] Deep Residual Learning for Image Recognition (Paper Explained)

Isi

Definisi - Apa artinya Deep Residual Network (Deep ResNet)?

Jaringan residual yang dalam (deep ResNet) adalah jenis jaringan saraf khusus yang membantu menangani tugas dan model pembelajaran yang lebih canggih. Ini telah menerima sedikit perhatian di konvensi TI baru-baru ini, dan sedang dipertimbangkan untuk membantu pelatihan jaringan dalam.


Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.

Techopedia menjelaskan Deep Residual Network (Deep ResNet)

Dalam jaringan pembelajaran yang mendalam, kerangka pembelajaran residual membantu mempertahankan hasil yang baik melalui jaringan dengan banyak lapisan. Satu masalah yang biasa dikutip oleh para profesional adalah bahwa dengan jaringan yang dalam terdiri dari banyak lusinan lapisan, akurasi dapat menjadi jenuh, dan beberapa degradasi dapat terjadi. Beberapa berbicara tentang masalah yang berbeda yang disebut "gradien hilang" di mana fluktuasi gradien menjadi terlalu kecil untuk segera berguna.

Jaringan residual dalam menangani beberapa masalah ini dengan menggunakan blok residu, yang memanfaatkan pemetaan residual untuk mempertahankan input. Dengan memanfaatkan kerangka belajar residual yang mendalam, insinyur dapat bereksperimen dengan jaringan yang lebih dalam yang memiliki tantangan pelatihan khusus.