# 各種Residual Block ## Related Work NN不斷在往Deep發展，如果只是簡單地不斷加深網路的層數，並不能使training error下降  後來出現了[ResNet](https://arxiv.org/pdf/1512.03385.pdf)，ResNet疊了100個Layer，所以他們實作了Residual Block來解決越深卻沒有越好的問題 ## Residual Block  提出這樣的Block的好處在於，在做過去Conv. Layer在做Training的時候所需要的工作量，隨著加入簡單的Identity層"跳躍"兩個Conv. Layer，降低了Conv. Layer訓練時成本(所需要調整的Residual)，也因此NN的層數也就能夠增加，如下圖所示  :::info **生物學上的神經傳導跳躍** 還沒看[