conv-neural-network - 理解什么是卷积神经网络中的权重共享

Question

我目前正在尝试理解卷积神经网络中的权重共享到底是什么。

据我所知，CNN 最初是作为一种减少连接输入和输出所需的连接数量的方法引入的，因为输入具有 3 个维度。

按照这个逻辑，卷积减少其中一个维度，并将卷积后的图像连接到输出神经元对我来说是有意义的。

连接卷积图像和输出的权重是否是不共享的权重？如果不是，不共享的权重是什么？

或者如果是，则反向传播将其视为一个权重，并将其作为一个单位更新？

我认为权重共享的一个例子:

Answer 1

CNN 有多个层。权重共享发生在特定层中神经元(过滤器)的感受野上。权重是每个过滤器中的数字。所以本质上我们是在尝试学习一个过滤器。这些过滤器作用于图像的某个感受野/小部分。当过滤器在图像中移动时，过滤器不会发生变化。这个想法是，如果在图像的特定部分学习边缘很重要，那么它在图像的其他部分也很重要。