为什么卷积网络的训练要比完全连接的网络慢得多

Question

这是我构建的卷积神经网络：

Convolutional Neural Network architecture

这是一个常规的人工神经网络，相比之下只有密集的层：

参数的数量相当。两者都用于对MNIST数据集中的手写数字进行分类（60.000个28x28数组）。不考虑我的计算能力，CNN的训练速度会慢一些。 ANN在60.000张图片上显示250个纪元：0:05 h CNN可以在30.000张图片上使用20个纪元：12：00小时

所以问题是为什么？我的猜测是，由于CNN的参数共享，参数的数量可能相似，但是卷积层的参数却被多次使用：

在28x28图像上的3x3内核->每个参数使用大约784次（相同的填充） 使用32个内核，将产生28x28x32的输出（在合并14x14x32之后）。因此，下一个卷积层的内核为3x3x32，因此此处每个参数将被使用约6.272次。

对整个培训过程有更多了解的人可以同意还是不同意我？或者您对该主题还有其他想法吗？