Deep Learning Academy · درس

‏ResNet: الاتصالات المتخطية تتعمق

بقايا تتغلب على التدرجات المتلاشية

‏ResNet: الاتصالات المتخطية تتعمق درس مجاني في Deep Learning Academy على CoddyKit. هذا هو الدرس 3 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Deep Learning Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.

بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.

Deeper Got Worse

Surprisingly, plain nets past a point trained worse as they got deeper. More layers should not hurt, yet they did. Something was broken.

The Real Culprit

Gradients shrank as they flowed back through many layers, a problem called vanishing gradients. Deep nets stopped learning.

The Skip Connection

ResNets fix is elegant: add a shortcut that lets the input jump past a block and add itself to the output.

Learn the Residual

Instead of learning the full mapping, each block only learns the residual, the small change to add on top of the input.

Easy to Stay Still

If a block is not useful, it can just learn zeros and pass the input straight through. Doing nothing becomes effortless.

A Gradient Highway

The shortcut gives gradients a clean path backward, so even very deep networks keep learning.

The Residual Block

A block computes some layers, then adds the original input back. That single add is the whole trick.

def forward(self, x):
    out = self.conv_layers(x)
    return self.relu(out + x)

Going Very Deep

With shortcuts, ResNet trained 50, 101, even 152 layers and won ImageNet 2015. Depth finally paid off.

The Bottleneck Block

Deeper ResNets use a 1x1, 3x3, 1x1 bottleneck to cut compute while keeping representational power.

Identity Everywhere

This residual idea spread far beyond vision. Transformers and many modern nets rely on the same identity shortcut.

A Tiny ResNet Block

You can sketch the core in a few lines: convolve, then add the input back before the activation. Here is the shape of it.

out = bn(conv(x))
out = relu(out + x)  # the skip connection

Quick Check

Focus on what the skip connection actually achieves.

Recap: Shortcuts Win

ResNets skip connections made extreme depth trainable by letting blocks learn residuals. One add changed everything. Great progress!

الأسئلة الشائعة

هل درس «‏ResNet: الاتصالات المتخطية تتعمق» مجاني؟

نعم — نص درس «‏ResNet: الاتصالات المتخطية تتعمق» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Deep Learning Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.

ماذا ستتعلم في «‏ResNet: الاتصالات المتخطية تتعمق»؟

بقايا تتغلب على التدرجات المتلاشية تتمرن على Deep Learning Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ Deep Learning Academy؟

لا تُشترط خبرة سابقة. Deep Learning Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.

كم من الوقت يستغرق درس «‏ResNet: الاتصالات المتخطية تتعمق»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس Deep Learning Academy هذا؟

نعم. كل درس في Deep Learning Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى Deep Learning Academy