深度学习：残差网络解决梯度消失与爆炸问题

残差网络（ResNet）主要用来解决深度神经网络训练时出现的'梯度消失'和'梯度爆炸'问题。在传统的深度神经网络中，随着网络层数的增加，梯度会变得越来越小，导致难以更新网络参数，影响模型的训练效果。而残差网络通过引入残差连接，使得网络在学习每一层的特征时可以同时保留上一层的信息，从而解决了'梯度消失'问题。此外，残差网络还能够在保持网络深度的同时避免过拟合的问题，提高了模型的泛化能力。因此，残差网络在计算机视觉、自然语言处理等领域中得到了广泛应用。