fix: 4.6.5.3.3 格式

4.人工智能/4.6.5.3.3ResNet.md

@@ -1,13 +1,13 @@
 # ResNet
-
+::: warning 🕶
 残差神经网络(ResNet)是由微软研究院的何恺明大神团队提出的一个经典网络模型，一经现世就成为了沿用至今的超级 Backbone。
-
+:::
 [知乎](https://zhuanlan.zhihu.com/p/101332297)
 
 [论文](https://arxiv.org/pdf/1512.03385.pdf)
 
-# WHY residual?
-
+## WHY residual?
+::: warning 🎨
 在 ResNet 提出之前，所有的神经网络都是通过卷积层和池化层的叠加组成的。
 人们认为卷积层和池化层的层数越多，获取到的图片特征信息越全，学习效果也就越好。但是在实际的试验中发现，随着卷积层和池化层的叠加，不但没有出现学习效果越来越好的情况，反而出现两种问题：
 
@@ -20,23 +20,24 @@
 - 退化现象
 
 如图所示，随着层数越来越深，预测的效果反而越来越差(error 越大)
-
+:::
 ![](https://hdu-cs-wiki.oss-cn-hangzhou.aliyuncs.com/boxcnBDfBnOPmS0btwNseKvsN6f.png)
 
-# 网络模型
+## 网络模型
 
 ![](https://hdu-cs-wiki.oss-cn-hangzhou.aliyuncs.com/boxcnn8a16DYyEPEVuHxvvw7eAf.png)
 
+::: warning 😺
 我们可以看到，ResNet 的网络依旧非常深，这是因为研究团队不仅发现了退化现象，还采用出一个可以将网络继续加深的 trick：shortcut，亦即我们所说的 residual。
 
 - 为了解决梯度消失或梯度爆炸问题，ResNet 论文提出通过数据的预处理以及在网络中使用 BN（Batch Normalization）层来解决。
 - 为了解决深层网络中的退化问题，可以人为地让神经网络某些层跳过下一层神经元的连接，隔层相连，弱化每层之间的强联系。这种神经网络被称为 残差网络 (ResNets)。ResNet 论文提出了 residual 结构（残差结构）来减轻退化问题。
-
-## residual 结构
+:::
+### residual 结构
 
 ![](https://hdu-cs-wiki.oss-cn-hangzhou.aliyuncs.com/boxcnhgVaLChu3O2omGJKzFU7uB.png)
 
-# 网络代码
+## 网络代码
 
 ```python
 import torch.nn as nn
@@ -194,14 +195,17 @@ def resnet101(num_classes=1000, include_top=True):
 '''
 ```
 
-# 视频
+## 视频
 
-# 思考
+https://www.bilibili.com/video/BV1P3411y7nn
 
-## 思考 1
+## 思考
 
+### 思考 1
+::: warning 🤔
 请你自行了解网络结构中的 BN（Batch Normalization）层，这是很重要的一个 normalization 操作，如果感兴趣还可以继续了解 LN (Layer Normalization)
-
-## 思考 2
-
+:::
+### 思考 2
+::: warning 🤔
 你觉得论文中提出用 residual 这一解决方法来解决网络的退化现象的依据是什么，如果可以，请你进一步尝试用数学角度思考这一问题
+:::