普通MLP處理圖像時遇到了什麼樣的問題，才導致後續各種模型的出現

普通MLP處理圖像時遇到了什麼樣的問題，才導致後續各種模型的出現 出現的問題 參數過多 比如輸入一張大小爲1000x1000的圖像， 第一層要使用1000個神經元，下一層的神經元使用10^6個 那麼，全連接參數就是1000 * 1000 * 10^6 = 10^12 一萬億個參數 這還僅僅是前兩層。 很明顯，網絡的參數過多， 參數過多 意味着 模型容易過擬合， 也就需要更多訓練數據。 首先數據不容

>>阅读原文<<