我找到了这个问题的答案： https ://www.quora.com/Why-does-each-filter-learn-different-features-in-a-convolutional-neural-network

它在这里说：“...（优化）算法发现，如果两个过滤器具有相似的权重和偏差，则损失不会减少，因此它最终会更改其中一个过滤器（的权重和偏差）以减少损失学习新功能。”

谢谢你的回答。欣赏它:)

我在理解这个事实时也有同样的困惑。初学者会感到困惑，因为这本书明确没有提到过滤器是不同的。

因为这些过滤器的应用类似

过滤器的应用类似，但矩阵中单元格的值与其他过滤器不同。所以他们从图像中提取不同的特征。

他们不会只是在训练期间学习相同的参数吗

不，他们不学习相同的参数，因为过滤器现在不同了。所以使用多重过滤器并不是多余的。

此外，由于过滤器的权重基本上是随机值，因此每个过滤器很可能会收敛到其附近的局部最小值。我想这可以确保过滤器不完全相同，但过滤器的某些部分可能存在一些密切相关的功能。