一句话归纳：

1）用sigmoid激活函数时，BP算法更新公式为：

用sigmoid函数，O取值为0~1，O(1-O)最大值为0.25，若神经网络层数多，则会造成更新项趋近于0，称为梯度消失。

2）GooLeNet解决梯度消失的问题：

• 在不同的深度构造了3个输出。
• inception模块：

• 其中，1*1卷积起到改变维度的作用，减少参数个数，比如，输入为192个通道，经过32个1*1卷积核运算，即可以将通道数降为32。

3）神经网络并不完全随着深度的增加提高正确率。

4）残差网络（ResNet）：

残差块：

• 通过恒等映射，梯度无衰减传递，消除梯度消失。
• 解决网络退化问题。
• 虚线恒等映射，在恒等映射的基础上，加个卷积层，以和F(X)同等大小、同样通道数的映射。
• 全局平均池化层，经过池化，每个通道变成一个平均数。