了解卷积神经网络中的权重共享是什么

Question

我目前正在尝试了解卷积神经网络中的权重共享实际上是什么。

据我所知，CNN 首次引入是为了减少连接输入和输出所需的连接数量，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未共享的权重？如果不是，什么是不共享的权重？

或者如果是，反向传播然后将其视为一个权重，并将其更新为一个单元？

我认为权重分享的插图：

Answer 1

CNN 有多个层。权重共享发生在特定层中神经元（过滤器）的感受野中。权重是每个过滤器中的数字。所以本质上我们正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/一小部分。当滤镜在图像中移动时，滤镜不会改变。这个想法是，如果边缘在图像的特定部分学习很重要，那么它在图像的其他部分也很重要。