def _residual_block(self, x): x_shortcut = x x = Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding='same', data_format="channels_first", kernel_regularizer=l2(self._l2_coef))(x) x = BatchNormalization()(x) x = Activation('relu')(x) x = Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding='same', data_format="channels_first", kernel_regularizer=l2(self._l2_coef))(x) x = BatchNormalization()(x) x = add([x, x_shortcut]) # Skip Connection x = Activation('relu')(x) return x

这是一个卷积神经网络中的残差块（residual block），用于增加神经网络的深度，同时减少梯度消失问题。该残差块的输入是 x，经过两个卷积层和批量归一化层，再通过跳跃连接（Skip Connection）与输入相加，最后进行 ReLU 激活函数操作，最终输出 x。其中，跳跃连接可以绕过某些卷积层，从而使得神经网络能够更加顺畅地训练。