详解深度学习之经典网络架构（六）：ResNet 两代（ResNet v1和ResNet v2） ResNet v1 resnet-v1-Deep Residual Learning for Image Recognition ResNet v2 resnet-v2-Identity Mappings in Deep Residual Networks
ResNet V2 和 ResNet V1 的主要区别在于，作者通过研究 ResNet 残差学习单元的传播公式，发现前馈和反馈信号可以直接传输，因此“shortcut connection”（捷径连接）的非线性激活函数（如ReLU）替换为 Identity Mappings。同时，ResNet V2 在每一层中都使用了 Batch Normalization。这样处理后，新的残差学习单元比以前更容易训练且泛化性更强。
resnetv2结构好的原因在于两点： 1）反向传播基本符合假设，信息传递无阻碍； 2）BN层作为pre-activation，起到了正则化的作用；
