ResNet的卷积层

ResNet（残差网络）是一种非常流行的卷积神经网络，其卷积层采用了残差连接的方式。在传统的卷积神经网络中，每层输出都是由下一层输入和当前层卷积输出经过激活函数得到的，而在ResNet中，每层输出不仅包括了当前层卷积输出和激活函数的处理，还包括了前一层输出的信息，这样可以更好地保留输入信息。

具体来说，ResNet中每个卷积层都由两个部分组成：残差块和恒等块。残差块由两个3x3的卷积层和一个跳跃连接（shortcut connection）组成，跳跃连接将前一层的输出直接加到当前层的输出上，恒等块则只包括一个3x3的卷积层。这种结构使得模型可以训练得更深，并且提高了训练效果。