27.从全连接到卷积

1. 分类猫和狗的图片

2. 回顾：单隐藏层MLP

3. 两个原则

1. 平移不变性（translation invariance）：不管检测对象出现在图像中的哪个位置，神经网络的前面几层应该对相同的图像区域具有相似的反应，即为“平移不变性”。

2. 局部性（locality）：神经网络的前面几层应该只探索输入图像中的局部区域，而不过度在意图像中相隔较远区域的关系，这就是“局部性”原则。最终，可以聚合这些局部特征，以在整个图像级别进行预测。

4. 重新考察全连接层

我的理解如下：

符合原则一：平移不变性

通俗理解就是， 四维张量v（权重）就是特征提取器，是不应该随着识别位置的变化而发生变化。

符合原则二：局部性

解决方案的意思是，当a和b超过某个值时，超出范围的值就忽略不考虑了。这样也就符合了局部性，就是只看离坐标（i，j）不远的值。

5. 总结