卷积神经网络只是一种全连接神经网络的特殊情况
如图所示：
图片输入可以转换成一个一维向量，确定好卷积滤波器参数后，就可以确定整个参数矩阵（对应全连接层的w）哪些是0，哪些是需要计算的
第一行参数对应于与第一个输出相连的参数；第一次卷积
第二行参数对就于第二个输出相连的参数 ；第二次卷积
第三行参数对应于与第三个输出相连的参数；第三次卷积
第四行参数对就于第四个输出相连的参数 ；第四次卷积
可以看出只有9个参数需要学习，其他全为0
如图所示：
图片输入可以转换成一个一维向量，确定好卷积滤波器参数后，就可以确定整个参数矩阵（对应全连接层的w）哪些是0，哪些是需要计算的
第一行参数对应于与第一个输出相连的参数；第一次卷积
第二行参数对就于第二个输出相连的参数 ；第二次卷积
第三行参数对应于与第三个输出相连的参数；第三次卷积
第四行参数对就于第四个输出相连的参数 ；第四次卷积
可以看出只有9个参数需要学习，其他全为0