问Resnet中的中间层是学习的吗？

EN

这些中间层中的反向传播并不是完全无关紧要的。中间层相关性的基本思想是，当添加新的层时，ResNet不断提高其错误率(从34层的5.71 top5错误到152层的4.49 top5错误)。图像有很多奇点和复杂性，微软的人发现，当你处理消失的梯度问题时(通过馈送)，你可以通过更多的层在整个网络中获得更多的知识。

添加残差块的想法是为了防止梯度消失问题，当你得到太多层时…但中间层也会在每个训练步骤中更新，并且它们也在学习(通常是高级特征)。

如果问题不是太复杂，具有许多层的卷积神经网络往往会过拟合，因为它的152层具有学习许多不同模式的能力。