卷积神经网络两大核心思想：

1.网络局部连接（Local Connectivity） 

2.卷积核参数共享（Parameter Sharing） 

       两者的一个关键作用就是减少参数数量，使运算变得简洁、高效，能够在超大规模数据集上运算。 下面用图直观展示！！！

（1）权值共享

（2）局部连接

解释说明：

       对于局部连接而言：层间神经只有局部范围内的连接，在这个范围内采用全连接的方式，超过这个范围的神经元则没有连接；连接与连接之间独立参数，相比于去全连接减少了感受域外的连接，有效减少参数规模。全连接：层间神经元完全连接，每个输出神经元可以获取到所有神经元的信息，有利于信息汇总，常置于网络末尾。

      对于权值共享而言：假设卷积核为m*m，进行权值共享时总共参数个数是m*m*channels；若不进行权值共享，则总参数数量则为W(width)*H(height)*channels.总参数变为原来的若干倍！占内存运行慢，不可取！

【参考】

https://www.zhihu.com/question/47158818/answer/670431317

https://blog.csdn.net/weixin_44725500/article/details/103570932

点滴分享，福泽你我！Add oil！

转载本文请联系原作者获取授权，同时请注明本文来自张伟科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3428464-1255252.html?mobile=1

收藏

分享