介绍一下ResNet

ResNet 是一种深度神经网络，由微软研究院的 Kaiming He 等人在 2015 年提出。它的全称是 Residual Network，即残差网络。ResNet 的主要创新是引入了残差模块，通过在模块中添加跨越连接（skip connection）来解决深度神经网络训练中出现的梯度消失和梯度爆炸问题，从而使得网络可以更深更容易地训练。

ResNet 的主要思想是将网络层分为多个残差块（Residual Block），每个残差块中包含多个卷积层、批归一化层和激活函数层，同时添加了直接连接（shortcut connection）来绕过一些卷积层，使得网络可以更深。ResNet 还提出了一种新的结构——bottleneck 残差块，这种块可以更好地处理高维度特征，从而减少了计算量和参数数量。

ResNet 在图像分类、目标检测、语义分割等计算机视觉任务中表现出了很好的性能，成为了深度学习中的经典模型之一。