和只用全连接层相比,卷积层有两个主要优势:
- 参数共享
- 稀疏连接
在这个例子中,如果按全连接层有14M+个参数,而卷积层只有156个参数。
卷积网络参数少有两个原因:
- 参数共享(parameter sharing)
观察发现,特征检测(如垂直边缘检测)如果适用于图片的某个区域,那么它可能也适用于图片的其他区域。 - 稀疏连接
即输出的一个单元只与部分输入(而不是全部输入)有关。
较少的参数有助于我们用更小的训练集来训练神经网络,从而不那么容易过拟合。
一个高效的猫分类器:
和只用全连接层相比,卷积层有两个主要优势:
在这个例子中,如果按全连接层有14M+个参数,而卷积层只有156个参数。
卷积网络参数少有两个原因:
较少的参数有助于我们用更小的训练集来训练神经网络,从而不那么容易过拟合。
一个高效的猫分类器: