跳跃连接 / 残差连接:在神经网络中,把较早层的输出绕过若干中间层,直接与后面层的输出相加或拼接(常见为相加),以改善梯度传播、缓解深层网络训练困难,并帮助信息更直接地流动。常用于 ResNet、Transformer 等架构。(也常写作 skip-connection 或称 shortcut connection / residual connection。)
/skɪp kəˈnɛkʃən/
A skip connection helps a deep network train more easily.
跳跃连接能让深层网络更容易训练。
In this model, we add a skip connection so the input can be combined with the output after several nonlinear layers, improving gradient flow and stability.
在这个模型中,我们加入跳跃连接,使输入能在经过多层非线性变换后与输出合并,从而改善梯度流动与训练稳定性。
skip 意为“跳过”,connection 意为“连接”。合起来直观表达其结构:数据流在网络图中“跳过”一些层,直接建立一条额外的连接通路。该术语在深度学习文献中随残差网络(Residual Networks)的普及而广为使用。