【四.图像分类技术体系】【2.残差学习革命：ResNet及其变体】

各位看官，今天咱们要聊的这个ResNet，绝对算得上深度学习界的"网红"鼻祖。这个2015年横空出世的模型，不仅把ImageNet比赛的错误率直接砍到3.57%（比人眼识别还准），更重要的是它彻底改变了人们对神经网络深度的认知。记得当年有个段子说：训练ResNet的时候，工程师最怕的不是模型不收敛，而是咖啡不够喝——因为网络动辄成百上千层，训练时间长得让人怀疑人生。不过玩笑归玩笑，这个让网络深度突破天际的"黑科技"，咱们今天必须得掰开了揉碎了说清楚。

一、传统深度学习的"中年危机"

1.1 那些年我们追过的VGG和Inception

在ResNet登场之前，深度学习界的大佬们可都是VGG和Inception系列的忠实粉丝。VGG用着一水儿的3x3卷积，把网络怼到19层；Google家的Inception玩着"分叉-合并"的套路，把网络复杂度提升到新高度。但是老司机们渐渐发现事情不对劲——当网络深度超过20层后，模型的表现不升反降，你说气人不气人？

举个栗子&#