resnet（残差网络）的F（x）究竟长什么样子？

想弄明白resnet的机制，看了不少网络资源，都提到“H（X）= F（X）+X。H映射计算复杂，F(X)计算相对简单，所以加深网络是OK的”。。。H（X）知道是什么，两个隐藏层节点多的话训练复杂也可以理解。但是没有那篇资料详细写过F（X）长啥样子？多少参数？为何它会比H（X）参数少？然后，resnet的shortcut为何是 输入的X，不是X/2或者其他什么东西？（有资料提到输入的X最适的话F直接等于0即可，方便）

F是求和前网络映射，H是从输入到求和后的网络映射。

比如把5映射到5.1，

那么引入残差前是F'(5)=5.1，

引入残差后是H(5)=5.1, H(5)=F(5)+5, F(5)=0.1。

这里的F'和F都表示网络参数映射，引入残差后的映射对输出的变化更敏感。比如原来是从5.1到5.2，映射F'的输出增加了1/51=2%，而对于残差结构从5.1到5.2，映射F是从0.1到0.2，增加了100%。明显后者输出变化对权重的调整作用更大，所以效果更好。

残差的思想都是去掉相同的主体部分，从而突出微小的变化，看到残差网络我第一反应就是差分放大器...