---
title: "WideResNet（幅を広げたResNet）とは？G検定対策"
description: "WideResNet（幅を広げたResNet）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/wideresnet/"
section: "gk"
---

## まず結論

* **WideResNet**とは、ResNetをさらに深くするのではなく、**ネットワークの幅（チャネル数）を広げる**ことで性能向上を図ったCNN。
* G検定では**「深さではなく幅」「残差接続はそのまま」**という設計思想を理解しているかが問われる。

## 直感的な説明

* ResNetは「深くする」ことで性能を伸ばしましたが、

  * 深すぎると学習が大変
  * 計算効率も落ちる
    という課題がありました。
* WideResNetは、
  👉 **層の数はほどほどにして、1層あたりを太くする**
  という発想です。
* 人で言えば、
  👉 **細長い通路を増やすより、広い通路を作る**イメージです。

## 定義・仕組み

* WideResNetは、

  * ResNetの**残差接続（skip connection）**を維持したまま
  * 各層の**チャネル数（width）**を増やします。

* 特徴：

  * 勾配消失問題に強い（ResNetと同様）
  * 学習が安定しやすい
  * 実用上、高精度になりやすい

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* 画像分類
* 深さを増やしすぎたくない場合

### 注意点・不得意

* パラメータ数は増加する
* モバイル用途には不向き

## G検定ひっかけポイント

* よくある誤り表現：

  * ❌ 「ResNetから残差接続を取り除いたモデル」
  * ❌ 「層をさらに深くしたモデル」

* 正しい理解：

  * **幅を広げる**
  * **残差接続は維持**

* 判断基準：

  * **深さ → ResNet**
  * **幅 → WideResNet**

## まとめ（試験直前用）

* WideResNet＝幅を広げたResNet
* 残差接続はそのまま
* 深さではなくチャネル数で勝負
* 学習が安定しやすい
* 「Wide」がキーワード