All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	ResNet is one of the most cited and influential papers in {{Term\|deep learning}}. The residual connection became a fundamental building block adopted in virtually every subsequent deep architecture, including {{Term\|transformer\|Transformers}} (which use residual connections around each {{Term\|attention}} and feed-forward sublayer), DenseNets, U-Nets, and modern convolutional architectures. The insight that identity mappings ease optimization in deep networks profoundly shaped both theoretical understanding and practical architecture design.
^h Spanish (es)	ResNet es uno de los artículos más citados e influyentes en {{Term\|deep learning\|aprendizaje profundo}}. La conexión residual se convirtió en un bloque de construcción fundamental adoptado en prácticamente todas las arquitecturas profundas posteriores, incluidos los {{Term\|transformer\|Transformers}} (que utilizan conexiones residuales alrededor de cada subcapa de {{Term\|attention\|atención}} y feed-forward), DenseNets, U-Nets y arquitecturas convolucionales modernas. La idea de que los mapeos de identidad facilitan la optimización en redes profundas marcó profundamente tanto la comprensión teórica como el diseño práctico de arquitecturas.
^h Chinese (zh)	ResNet 是{{Term\|deep learning\|深度学习}}领域引用最多、影响最大的论文之一。残差连接成为几乎所有后续深度架构采用的基本构建块，包括{{Term\|transformer\|Transformer}}（在每个{{Term\|attention\|注意力}}和前馈子层周围使用残差连接）、DenseNet、U-Net 以及现代卷积架构。恒等映射有助于深度网络优化的洞见，深刻地塑造了理论理解和实际架构设计。