ResNet残差网络

残差网络顾名思义，相当于走过了一条捷径，将前面的层直接输入到后面的层，放在后面层的线性激活之后，非线性激活之前，然后与后面层一起经过非线性计算，在计算的时候作为一个小尾巴，共同和当前层一起组成所谓的残差块。

计算的时候跟随下一层的非线性激活函数进行计算，作为relu（）中的一项。
残差网络实现的关键在于拥有很多相同的卷积，这就使输入的维度和输出的维度可以保持一致，从而可以让残差网络进行跳远连接，构建多个残差块，优化网络性能，在现在许多网络中，比如inception network，VGG-16,Google-Net，YOLO中都有所应用。