อคติดำเนินการต่อเซลล์ประสาทเสมือนดังนั้นจึงไม่มีค่าในการมีอินพุตไบอัสหลายตัวที่มีเอาต์พุตเดี่ยว - ซึ่งเทียบเท่ากับการเพิ่มน้ำหนักอคติที่แตกต่างกันลงในอคติเดียว
ในแมปคุณสมบัติที่เป็นผลลัพธ์ของเลเยอร์ที่ซ่อนอยู่แรกสีจะไม่ถูกแยกออก * แผนที่คุณลักษณะอย่างมีประสิทธิภาพแต่ละรายการคือ "ช่อง" ในเลเยอร์ถัดไปแม้ว่าพวกเขามักจะมองเห็นแยกต่างหากโดยที่อินพุตถูกสร้างภาพด้วยช่องทางรวมกัน อีกวิธีหนึ่งในการคิดเกี่ยวกับสิ่งนี้คือช่องสัญญาณ RGB แยกต่างหากในภาพต้นฉบับคือ 3 "ฟีเจอร์แมป" ในอินพุต
มันไม่สำคัญว่าจะมีแชนเนลหรือฟีเจอร์อยู่ในเลเยอร์ก่อนหน้ามากเพียงใดเอาต์พุตของแผนที่แต่ละฟีเจอร์ในเลเยอร์ถัดไปจะเป็นค่าเดียวในแผนที่นั้น ค่าเอาต์พุตหนึ่งค่าสอดคล้องกับเซลล์ประสาทเสมือนเดียวซึ่งต้องการน้ำหนักอคติหนึ่งตัว
ใน CNN ตามที่คุณอธิบายในคำถามน้ำหนักที่เท่ากัน (รวมถึงน้ำหนักอคติ) จะถูกแชร์ในแต่ละจุดในแผนผังคุณลักษณะเอาต์พุต ดังนั้นแผนที่คุณลักษณะแต่ละรายการจะมีน้ำหนักอคติของตัวเองรวมถึงprevious_layer_num_features x kernel_width x kernel_height
น้ำหนักการเชื่อมต่อ
ใช่แล้วตัวอย่างของคุณที่ส่งผลให้(3 x (5x5) + 1) x 32
น้ำหนักรวมสำหรับชั้นแรกนั้นถูกต้องสำหรับ CNN โดยมีเลเยอร์แรกซ่อนการประมวลผลอินพุต RGB เป็น 32 แผนที่คุณลักษณะที่แยกต่างหาก
*คุณอาจสับสนโดยการเห็นการแสดงข้อมูลน้ำหนักของ CNN ซึ่งสามารถแยกออกเป็นช่องสีที่ใช้งานได้