A06 · 第 2 章 · 课程规划页
卷积网络架构与残差连接
本章研究卷积网络架构与残差连接。内容依次处理卷积块、下采样与层级特征、残差捷径、恒等映射与深层梯度、深度可分离卷积和计算量核算。
- 所在 Part
- 第一编 卷积表示
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明卷积块、下采样与层级特征。
- 02完成残差捷径、恒等映射与深层梯度所需的推导、证明或算法。
- 03使用计算、例题或反例检验深度可分离卷积和计算量核算。
PLANNED SECTIONS
计划章节结构
- 01
卷积块、下采样与层级特征
界定卷积块、下采样与层级特征，明确使用的条件、主要结论与可复核步骤。
- 02
残差捷径、恒等映射与深层梯度
推导残差捷径、恒等映射与深层梯度，明确使用的条件、主要结论与可复核步骤。
- 03
深度可分离卷积和计算量核算
检验深度可分离卷积和计算量核算，明确使用的条件、主要结论与可复核步骤。
计划定义
卷积块、下采样与层级特征：对象、记号与前提
围绕卷积块、下采样与层级特征列出主要对象、符号、前提与定义边界。
计划公式
残差捷径、恒等映射与深层梯度：关系、判据与可复核步骤
把残差捷径、恒等映射与深层梯度整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
深度可分离卷积和计算量核算：案例、反例与核验
围绕深度可分离卷积和计算量核算给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
卷积网络架构与残差连接：定义、关系与边界综合练习
联结卷积块、下采样与层级特征、残差捷径、恒等映射与深层梯度与深度可分离卷积和计算量核算，分别检验定义辨析、主要步骤和适用边界。
本章概念落点
以下位置是术语、搜索和知识图谱引用本计划章节时使用的稳定链接。
- 残差连接让层学习相对恒等映射的残差，改善深层网络的信息与梯度传播。
关键词
卷积网络架构、残差连接、第一编 卷积表示、卷积神经网络与计算机视觉