ResNet的梯度计算
最最核心的思想就是乘法变加法。
如果是这种情况，加入g()这一层已经学的很好了，那么梯度就会变小，这样就对f()的梯度也会越来越小（相当于小数字的累乘）
但是如果是残差结构的话，直接使用加法，那么即使g()学的很好，其梯度很小，也不会影响f()的梯度。
正常的深度结构只能是从上至下，但是残差的这个跳转结构，相当于数据可以从这条跳转的“高速公路”直接下来。（原来的深层神经网络最大的问题也是底层的参数更新）
QA
- 学习率可不可让靠近输出的小一些，靠近输入的大一些，这样会不会缓解梯度消失的问题？
可以的。但是它的问题是你不是那么好设置它的数值。
- 为什么深层的网络，底层比较难训练？是因为它拿到的梯度一般比较小？
是的。
梯度消失：小数值累乘。
梯度爆炸：大数值累乘。