[[残差神经网络（ResNet）|ResNet]]极大地改变了如何参数化深层网络中函数的观点。稠密连接网络在某种程度上是ResNet的逻辑扩展。

ResNet（左）与 DenseNet（右）在跨层连接上的主要区别：使用相加和使用连结。 ResNet和DenseNet的关键区别在于，DenseNet输出是连接（用图中的[,]表示）而不是如ResNet的简单相加。

稠密连接

稠密网络主要由2部分构成：稠密块（dense block）和 过渡层（transition layer）。前者定义如何连接输入和输出，而后者则控制通道数量，使其不会太复杂。

稠密块

一个稠密块由多个卷积块组成，每个卷积块使用相同数量的输出通道。然而，在前向传播中，我们将每个卷积块的输入和输出在通道维上连结。

由于每个稠密块都会带来通道数的增加，使用过多则会过于复杂化模型。而过渡层可以用来控制模型复杂度。它通过1×1卷积层来减小通道数，并使用步幅为2的平均汇聚层减半高和宽，从而进一步降低模型复杂度。