通俗解释
每层只学习“在输入基础上的增量”，输出 = 输入 + F(输入)。梯度能沿捷径直通，深度从十几层跳到上百层。Transformer 的每个子层也都套着残差连接。
用在哪里：视觉骨干网络；Transformer 中的残差连接
时间轴 · 前置 → 当前 → 后继
01原始论文
Deep Residual Learning for Image Recognition
Kaiming He, Xiangyu Zhang, Shaoqing Ren, et al. · 2015
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U31 训练深层网络：优化器、归一化与正则 SGD/动量/Adam/AdamW/Muon、学习率调度、BatchNorm/LayerNorm/RMSNorm、Dropout、残差。 10 小时10 个算法4 篇论文 U32 CNN、RNN 与注意力的诞生 卷积网络、LSTM、Seq2Seq、词向量与 Bahdanau 注意力。 10 小时7 个算法5 篇论文
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
resnet)