ResNet变体：ResNeXt详解

是和的结合体，不同于的是，不需要人工设计复杂的结构细节，而是每一个分支都采用相同的拓扑结构。的本质是分组卷积，通过变量基数来控制组的数量。

回顾

的核心在于残差块的设计，残差块用于拟合出一个函数，使得。

由于，当时，我们称该层模型为恒等层，一般认为，该层的添加或删除对神经网络的整体没有影响。

但由于深层神经网络难以实现恒等变换（），我们可以使用上述残差块的方式拟合出近似与恒等变换的函数。

即，需要利用残差块拟合出一个残差，对模型在恒等变换的进行较小幅度的改动。

介绍

在模型中，残差块的设计使用了分组卷积，公式如下：

即：

（左侧为模型结构，右侧为结构）

提出了一种介于普通卷积核深度可分离卷积的这种策略：分组卷积，他通过控制分组的数量（基数）来达到两种策略的平衡。分组卷积的思想是源自，不同于的需要人工设计每个分支，的每个分支的拓扑结构是相同的。最后再结合残差网络，得到的便是最终的。