参数问题请教
来源：3-2 卷积神经网络（1）
慕神415173
2019-02-26
老师好，在10*10的像素上对每个神经元做全连接的输入参数是10 * 10 * 18^6 = 10^8，
但是图像是1000 * 1000的，有100 * 100个10 *10的区域，虽然每次的参数少了，但是要计算的次数是不是增多了，相当于之前只要做一次全连接，现在要做100 * 100次全连接，总的参数还是没有变少。
4回答
-
qq_琪仔_0
2019-02-27
参数共享吧？每个神经元的参数都是一样的
20 -
幕布斯4180522
2019-04-10
参数共享又称为权值共享，整张图片大小为1000*1000，选择其中图片大小为10*10的局部区域，其与卷积核做点乘运算可以得到一个神经元的输出。每个神经元都使用同一个卷积核来得到输出值，我们把这个卷积核称为权值共享；简单的来说就是使用同一个卷积核，把卷积核看做权值系数就可以了。因此每个神经元的权值系数都是相同的(同一个卷积核)，其参数总共是10*10。
老师说的理论是对的，但是你可能理解的太深了，其实本质上很简单。
个人理解
10 -
Liny77
2019-03-25
你好！我也遇到同样的问题，看看这个博客就理解了！https://blog.csdn.net/dulingwen/article/details/83112097，而卷积操作保证了每一个像素都有一个权系数，只是这些系数是被整个图片共享的，着大大减少了卷积核中的参数量。此外卷积操作利用了图片空间上的局部相关性，这也就是CNN与传统神经网络或机器学习的一个最大的不同点，特征的自动提取。
这也就是为什么卷积层往往会有多个卷积核（甚至几十个，上百个），因为权值共享后意味着每一个卷积核只能提取到一种特征，为了增加CNN的表达能力，当然需要多个核，不幸的是，它是一个Hyper-Parameter。10 -
ANG01
2019-03-10
这块感觉讲的有点问题，看原图，是在参数共享后，10*10的fillter,下一层是10^6个神经元的情况下，参数是10 * 10 * 10^6 = 10^8
00
相似问题