ResNet架构特点
ResNet采用网络中增加残差网络的方法，解决网络深度增加到一定程度，更深的网络堆叠效果反而变差的问题。在网络深度到一定程度，误差升高，效果变差，梯度消失现象越明显，后向传播时无法把梯度反馈到前面网络层，前面网络参数无法更新，导致训练变差。残差网络增加一个恒等映射，跳过本层或多层运算，同时后向传播过程中，下一层网络梯度直接传递给上一层，解决深层网络梯度消失的问题。
ResNet优缺点
优点：使前馈/反馈传播算法顺利进行，结构更加简单；恒等映射增加基本不会降低网络的性能。
缺点：训练时间长，
ResNet应用场景
图像分类，人脸识别
