Neural network CNN：为什么要把相同的激活图叠在一起

我想知道为什么我们把基本相同的激活图堆叠在一起？既然它总是在同一个输入上应用相同的过滤器，那么它不是总是相同的激活映射吗

如果是这样的话，我们甚至不需要重新计算激活映射，只需复制激活映射N次。这为我们提供了什么额外的信息？是的，我们再次创建一个具有深度（输出体积）的层，但是如果它是相同的值，那么它背后的理性是什么

---

Src:

这不是相同的卷积，每个激活映射（独立权重）都有单独的、独立的内核（过滤器），因此它们完全不同。如果没有它，在卷积之后，我们将只提取一种“特征类型”，比如边缘；而要让CNN发挥作用，我们需要大量的这些

---

在提供的示例中，“绿色5x5x3过滤器”生成一个绿色激活贴图，然后您有单独的“蓝色5x5x3过滤器”生成蓝色激活贴图，依此类推。

实际上，我们不会将相同的激活贴图堆叠在彼此的顶部。只有每个激活贴图的形状保持相同（在您的情况下，它是5*5*3）.但不同激活图之间的权重绝对不同。
1.每个激活映射共享相同的权重。也就是说，单个激活地图用于检测出现在原始地图不同位置的特定功能。

---

2.不同的激活图用于检测不同类型的特征

我并不完全理解你的问题，但是每个过滤器映射使用不同的权重。因此，每个激活映射都将有不同的值。您所称的激活映射并不相同，因为应用于输入的筛选器不同。谢谢你们。这绝对有道理。不知道我怎么能说出这个明显的事实。我的错。