殘差連接 * 是讓前面某層的輸出作為后面某層的輸入，從而在序列網絡中有效地創造了一條捷徑。 * 前面層的輸出沒有與后面層的激活連接在一起，而是與后面層的激活相加（這里假設兩個激活的形狀相同）。 * 如果它們的形狀不同，我們可以用一個線性變換將前面層的激活改變成目標形狀（例如，這個線性變換可以是不帶激活的 `Dense` 層；對于卷積特征圖，可以是不帶激活 1×1 卷積）。 ``` from keras import layers x = ... y = layers.Conv2D(128, 3, activation='relu', padding='same')(x) y = layers.Conv2D(128, 3, activation='relu', padding='same')(y) y = layers.MaxPooling2D(2, strides=2)(y) residual = layers.Conv2D(128, 1, strides=2, padding='same')(x) #使用1×1卷積，將原始x張量線性下采樣為與y具有相同的形狀 y = layers.add([y, residual]) #將殘差張量與輸出特征相加 ```