从全连接层到卷积

中文版
42

输入是两阶，然后神经元可以变成2阶段，只要满足一个输入每一个特征均有一个权重值可以对应即可。
例如：输入shape是2,3，有4个神经元(此时每个神经元内部是2,3矩阵)，那么神经元组合为1,4 或者2,2 均可（如果为2，2 那么W就是4阶）

43

公式(6.7.1)中[V]a,b,c,d中这个d代表的是什么，个人感觉如果按照文中讲的，那和c代表的是一样的，有没有哪位大佬给解释下，谢谢 :kissing_heart:

44

在全连接层中，权重是二维矩阵 W，连接着输入向量和输出向量。但当输入和输出都是2D时，我们需要一个能描述每个输出位置与每个输入位置之间连接权重的结构。

张量维度的含义

四阶权重张量 𝖶的四个维度分别是：

  • i, j：输出特征图的位置坐标

  • k, l：输入图像的位置坐标

因此，[𝖶]_{i,j,k,l}表示：从输入位置 (k,l)到输出位置 (i,j)的连接权重