考虑Ian Goodfellow 等人的《深度学习》一书（第 333 页，第 9 章：卷积网络）中的以下陈述。
因此，就内存需求和统计效率而言，卷积比密集矩阵乘法要高效得多。
书说统计效率是由于与完全连接的前馈神经网络相比，卷积（使用内核）导致的参数数量减少。
在这种情况下，统计效率是什么意思？参数数量的减少如何提高统计效率？
在这种情况下，“统计效率”是什么意思？
人工智能
卷积神经网络
术语
图书
2021-10-21 03:09:54
1个回答
在这种情况下，统计效率本质上意味着 CNN 需要的训练示例比完全连接的网络要少。直觉上这似乎是合理的：学习更多的参数应该意味着需要更多的样本。当然，总是希望尽量减少所需的训练样本数量，因此这是 CNN 的一个明显优势。
有一篇关于 CNN 效率的论文试图使该陈述更加准确。他们使用线性激活函数检查卷积网络的情况。
其它你可能感兴趣的问题