我理解（如果我的理解错误，请纠正我）CNN的主要目的是减少您使用完全连接的NN时所需的参数数量。 CNN通过提取＆＃34;功能来实现这一目标。的图像。
CNN可以做到这一点，因为在自然图像中，有一些小的特征，如线条和基本曲线可能出现在＆＃34;不变的＆＃34;时尚，并构成像基本构建块的图像。
我的问题是：当我们创建特征地图图层时，例如，其中5个，我们通过使用尺寸的滑动窗口来获得这些，例如，5x5在具有像素的图像上，例如， 100x100，最初，这些特征图被初始化为随机数权重矩阵，并且必须逐渐调整权重和梯度下降吗？但是，如果我们通过使用完全相同大小的窗口获取这些要素图，以完全相同的方式滑动（共享相同的起点和相同的步幅值），在完全相同的图像上，这些地图如何学习不同的特征图像？不知道他们都是一样的，比如一条线还是一条曲线？
是否由于权重矩阵的初始值不同？ （即一些权重矩阵比其他权重矩阵更容易学习某个特定的特征？）
谢谢！我写了4个问题/意见并将它们编入索引，以便于单独解决它们！