resent34残差块

ResNet（Residual Network）是一种非常流行的深度学习模型，它在2015年被提出，由于其出色的性能和训练效果，被广泛应用于计算机视觉领域。ResNet中的残差块（Residual Block）是其核心组件之一。

残差块是由多个卷积层组成的模块，其中包含了跳跃连接（Skip connections）和残差连接（Residual connections），主要用来解决深度神经网络中的梯度消失和梯度爆炸问题。这些问题会导致模型的训练变得非常困难，甚至无法收敛。

在ResNet中，每个残差块的输入通过两个卷积层后，与原始输入进行相加，这样就可以将原始输入直接传递到后面的层，保证重要的信息不会被丢失，从而提高模型的性能和训练效果。

总的来说，残差块是一种非常有效的解决深度神经网络训练中的梯度问题的方法，被广泛应用于各种深度学习模型中。