你必须知道的 | ResNet神经网络模型复现

一、模型介绍

ResNet由Deep Residual Learning for Image Recognition提出，现在在深度学习网络中应用越来越广泛。主要因为模型训练的时候产生梯度消失/爆炸，导致模型难以收敛，尽管batch normalization的使用可以使几十层的网络使用SGD算法训练收敛，但是更深的网络就没办法了。就算能收敛，也还是存在模型性能退化的问题，模型误差不降反升。为了解决这个问题，论文作者提出残差结构，让网络不去直接拟合目标函数H(x)，而是去拟合它的残差F(x)=H(x)+x

接下来我们一起看看如何快速进行论文复现吧！

二、创建实例

首先打开极链AI云的官网，选择模型创建实例：

https://cloud.videojj.com/home

由于平台已经配置了ResNet的模型库，所以能够一键创建实例，轻松又便捷～

三、论文复现

1、在#cifar路径下，输入训练代码：

训练效果如下：

2、在#cifar路径下，输入推断代码：

推断效果如下：

到这里，我们就已经完成了resnet的整个复现成果～具体的模型简介和代码可以在模型详情页查看

为了使复现更加方便高效，我们为每一个模型都配置了专属的模型详情页。

模型详情页详细展现了模型的使用方法（包含训练和推理的使用方式和测试案例）在证明模型配置的完整性和方便用户直接测试模型效果上，为用户进一步开发和训练模型提供便利。

极链AI云平台现在更新了大量模型和数据库！省去了繁琐冗长的上传时间，让论文复现一步到位！快去官网试试吧～

ps.在平台没有找到模型的小伙伴可以参加我们的论文复现活动，在学习同时更有云币券作为奖励，快戳小助手咨询详情吧～