深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

学习深度学习，我们必须知道的一个模型便是resnet，以下图片便是resnet模型。

从我们经验的角度来看，网络的深度对模型的性能至关重要，当增加网络层数后，网络可以进行更加复杂的特征模式的提取，所以当模型更深时理论上可以取得更好的结果。但是实际上在resnet模型之前的几乎所有模型在网络深度增加时，准确度出现下降。而resnet模型在其中加入了残差单元，很好的解决了这个问题.

如图即为残差单元。

如果深层网络的后面那些层是恒等映射，那么模型就退化为一个浅层网络。那当前要解决的就是学习恒等映射函数了。 但是直接让一些层去拟合一个潜在的恒等映射函数H(x)=x，比较困难，这可能就是深层网络难以训练的原因。但是，如果把网络设计为H(x)=F(x)+x ,我们可以转换为学习一个残差函数F(x)=H(x)-x。 只要F(x)=0，就构成了一个恒等映射H(x)=x 。这种残差学习结构可以通过前向神经网络+shortcut连接实现，如结构图1所示。而且shortcut连接相当于简单执行了同等映射，不会产生额外的参数，也不会增加计算复杂度。 而且，整个网络可以依旧通过端到端的反向传播训练。