残差块（Residual Block）
残差块是 ResNet（深度残差网络） 的核心创新，解决了深层网络训练时的 梯度消失/梯度爆炸问题
核心思想是 “跳过连接”（Skip Connection） ：让输入特征“直接跨越”一个或多个卷积层，与输出特征相加，从而缓解深层网络的训练难度。
结构：
- ResNet沿⽤了VGG全3 × 3卷积层的设计。
- 每个卷积层后接BN层和ReLU激活函数，将输⼊直接加在最后的ReLU激活函数。 （这种结构⽤于层数较少的神经⽹络中，⽐如ResNet34。）
- 若输⼊通道数⽐较多，就需要引⼊1 × 1卷积层来调整输⼊的通道数。（瓶颈模块）
BN层用于标准输出，提高模型输出的准确率。
ResNet模型
第⼀个模块前使⽤了步幅为2的最⼤池化层，所以⽆须减⼩⾼和宽
之后的每个模块在第⼀个残差块⾥将上⼀个模块的通道数翻倍，并将⾼和宽减半（通过使用1x1的卷积和实现）
代码实现：
