Diagram konseptual dari masukan, fungsi bagian, dan keluaran dalam profil. Susunan kotak tidak menunjukkan urutan perakitan atau posisi fisik.
Teknologi · CC BY 4.0 · Sumber data
Bagaimana cara kerjanya?
Lapisan blok menghasilkan fungsi residual F dari masukan x. Shortcut menambahkan x ke F(x), atau memproyeksikan x saat bentuk berbeda; gradien dapat mengalir melalui jalur residual dan shortcut selama pelatihan jaringan.
Rujukan penjelasanBagian fungsional
- 01
Cabang residual
Mempelajari transformasi tambahan.
- 02
Shortcut
Mengalirkan masukan langsung.
- 03
Penggabung
Menambahkan kedua cabang.
Masukan dan keluaran
Tensor fitur.
Tensor hasil penjumlahan residual.
Parameter teknis
Informasi dengan rujukan belum tersedia untuk bagian ini. Profil ini tidak menyajikan spesifikasi angka untuk model tertentu atau nilai yang berlaku bagi seluruh keluarga teknologi.
Versi dan status
Profil membahas konsep atau kategori teknologi; versi implementasi tertentu belum ditetapkan.
Status terbit profil berbeda dari status produksi, dukungan, atau sertifikasi perangkat.
Penerapan dan keterbatasan
- Klasifikasi citra
- Backbone penglihatan komputer
Batas cakupan
Penjumlahan memerlukan bentuk yang sesuai; kedalaman dan data tetap memengaruhi biaya serta generalisasi.
Teknologi yang terhubung
- Memuat komponenLapisan konvolusi dua dimensi
Blok ResNet untuk citra memakai lapisan konvolusi; relasi menghubungkan prinsip lapisan dua dimensi, bukan persyaratan pustaka PyTorch.
Lihat rujukan hubungan
Dasar penjelasan
- 1. Deep Residual Learning for Image Recognition ↗
arXiv / authors of the paper
Diakses 2026-10-13. Rujukan primer untuk parafrasa editorial. Teks, kode, gambar, dan merek sumber tidak disalin; hak asal tetap pada pemegangnya.