2014年6月3日，清晨。
arxiv，全球最大的学术预印本平台。这东西对搞ai的研究者来说，就是学术圈的朋友圈。
论文上传后二十四到四十八小时内全球可见，不用等同行评审，不用排队走期刊流程，直接面向全世界亮牌。
每天早上起来第一件事，刷arxiv。
这是所有做深度学习的人的肌肉记忆。
今天早上，这个朋友圈里炸了一颗雷。
论文标题：deepresiduallearningforimagerecognition。
作者：shaoqingren,yuhangzheng,liqiuchen。
单位：jiutianab,echotechnology,china。
斯坦福大学盖茨计算机科学大楼三层，博士后林之远端着咖啡走进办公区，习惯性刷新了cs.cv板块。
他的手停住了，咖啡差点洒出来。
152层卷积神经网络。imagenet验证集top-5错误率，3.57%。
人类标注员的平均水平是5.1%。去年imagenet竞赛冠军googlenet是6.67%。这篇论文直接把数字按到了3.57%。
“你们过来看看这个。”
林之远的声音不大，但语调不对。
旁边几个人抬起头，三分钟后，实验室十一个人全围在他屏幕前面。
“等等，152层？”一个叫kevin的白人博士生最先反应过来，
“不可能。超过三十层的网络根本没法训练，梯度消失会把信号吃干净。这是常识。”
“你往下看。”林之远指着论文第三页的示意图，
“他们加了一个跳跃连接，把输入直接加到输出上。梯度可以跳过中间层回传。”
kevin盯着那张图看了十几秒。