全连接神经网络处理图像最大的问题在于层间连接太多，造成参数太多，参数增多导致了计算速度慢，但不容易导致过拟合问题。
举一反三
- 关于卷积神经网络，以下说法正确的是 A: LeNet-5是卷积神经网络 B: 池化层可以非常有效地缩小参数矩阵的尺寸，从而减少后面的卷积层或者全连接层中的参数数量。 C: 与全连接的神经网络相比，CNN应用于图像处理时可能会导致一个严重的参数数量的膨胀的问题。 D: 卷积层的特点是参数共享
- 卷积神经网络的一个特点是“参数共享”。下面关于“参数共享”的哪种说法是正确的？ A: 如果参数较多，则容易导致过拟合。而减少参数有助于避免过拟合 B: 参数共享的优势是通过一个任务上学习到的参数可以直接应用到另外一个任务上 C: 可以允许一个特征检测器在整个输入图像的不同位置使用，即可以把参数看成是卷积提取特征的方式，该方式与位置无关 D: 参数越多，才能避免过拟合，减少参数容易导致过拟合
- 使用if…else语句可以处理多选择问题，不会因为嵌套层次太多而导致程序的可读性下降，也不容易出错。
- 与全连接前馈神经网络相比，用于图像分类的卷积神经网络CNN主要通过________操作来减少网络参数数量，提高训练效率。 A: 全连接 B: 卷积 C: 中断 D: 池化
- 卷积层中的参数数量少于全连接型神经网络，是因为卷积层的两个优良的特性。第一个是“参数共享”，第二个是_______。 A: 稠密连接 B: 稀疏连接 C: 自适应梯度下降 D: 参数可学习