CNN的fliter里的每個值都是學習出來的不是事先設定好的。
經過fliter處理后得到是特征圖(feature map)
卷積減少權重參數的本質：

權重共享，不同的fliter會在某些神經元上權重共享。
到底fliter，到底CNN學到了什么？

底層的fliter學到了小塊的紋理信息

高層的fliter學到了整體的信息，比如在fully connected layers中可以定向讓某個神經元的值盡可能大，然后定向梯度上升得到原來的輸入信息X，于是我們就可以知道每一個神經元讓他興奮度activate最高的圖片是什么樣子的。
那么這便是CNN探測學習到的東西。底層局部信息，高層全局信息。

什么時候使用CNN模型？
3. 有些模式要比整個圖像小很多 可以直接甄別。
4. 相同的模式會在期盼不同的區域出現多次。
5. 當使用CNN時考慮輸入信息的特性是什么，要根據CNN的特性去設計fliter。

總結

以上是生活随笔為你收集整理的关于CNN的权重共享,CNN到底学到了什么?的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。