“谷歌的Google和牛津的VGG原本要明年才能研究出来，不过我今年参赛之后，这两个AI历史上的重要网络恐怕就要胎死腹中了吧？”
别说是现在了，截止到14年末，多余的设计仍旧大量存在与谷歌和牛津大学的算法当中。
直到15年，那个男人以残差网络Res夺冠Image-2015，铸就了深度学习时代的AI模型的神格。
残差思想是孟繁岐此时此刻的最佳选择，一方面它会成为深度学习时代的里程碑，因为它的核心思想，就是如何把深度网络做得更加‘深’。
另一方面，它的实现和结构简洁，抛弃了大量人类看来很有道理和价值，但实际上其实用处不大的设计。
将简洁好用的结构反复重复，这也大大地降低了孟繁岐所需要的开发工程量。
Alex是八层的结构，各自有一些独立的设计，在此时，8层已经是革命性的深度网络了。
更深的网络特别难以训练，因此原本直到14年，谷歌和牛津才分别把这个深度推进到22层和19层。
而Res的思想，彻底从根本上解决了网络变深就没法顺利训练的问题。它让50，100，150，甚至1000层网络的训练成为可