Merge pull request #88 from dawin2015/patch-1

Update 4.1 ResNet.html

docs/第四章/4.1 ResNet.html

@@ -893,7 +893,7 @@ <h4>2.2.1 Shortcut Connection.<a class="headerlink" href="#shortcut-connection"
 <p><img alt="shortcut" src="../_images/shortcut1.jpg" /></p>
 <p>shortcut connection也就是所谓的“抄近道”，它有两种方式，其一为同等维度的映射，即输入输出直接相加（即上图中的F(x) + x），另一种为不同维度的映射，这时候就需要给x补充一个线性映射来匹配维度。</p>
 <p>比如下面这个图：</p>
-<img src="./figures/shortcut2.jpg" >
+<img src="../../source/第四章/figures/shortcut2.jpg" >
 <p>左：VGG-19模型，作为参考。 中：一个有34个参数层的普通网络。 右：一个有34个参数层的残差网络（即resnet34）</p>
 <p>在上图最右侧的路径中，我们可以很明显的看到shortcut connection加入了网络之中，同时，图中也很明显的可以看到，实线部分就是进行了单纯的F(x)+x操作，而虚线部分，第一个卷积层的stride是2（那个/2的意思就是stride是2）；同时注意到深度也发生了变换，channel数目增加一倍（扩大两倍），这样F(x)的分辨率比x小一半，厚度比x大一倍。在这样的shortcut connection中，就需要补充线性映射来增加维度。在ResNet中，作者使用了1 x 1的卷积核来达到这个目的。</p>
 <p>另外，论文中又提到说：“……where both designs have similar time complexity.” 既然BasicBlock和Bottleneck二者的时间复杂度类似，那么为什么还要额外设计一个Bottleneck结构呢？</p>
@@ -1225,4 +1225,4 @@ <h2>3 总结<a class="headerlink" href="#id6" title="永久链接至标题">#</a
 
 
   </body>
-</html>
+</html>