Si lega a
è nel blocco del Transformer; rende addestrabile la profondità (la profondità della rete)
Tema
La somma dell'ingresso di un sotto-blocco con la sua uscita: il segnale e il gradiente hanno una scorciatoia, e ogni blocco corregge invece di riscrivere
è nel blocco del Transformer; rende addestrabile la profondità (la profondità della rete)