y=f(x)+x 核心优势包括： 解决梯度消失问题：在深层神经网络中，由于链式法则会连乘，梯度在反向传播时会迅速衰减，导致浅层的参数无法更新。 加入残差连接后，∂x∂y=∂x∂f+1，有一个稳定存在的常数 1，这使得即使 f 的梯度很小，也可以将梯度继续稳定地向前传播 解决网络退化的问题：简单地加深神经网络准确率反而会下降 复杂的映射可能很难学习，但加入残差连接后，模型只需要学习输入与输出的区别即可 让损失函数更平滑，有利于优化器更容易找到全局最优解，训练更稳定
