可变共享流量

Question

背景

在阅读tensorflow的文档时，我在变量共享.The示例中遇到了卷积神经网络的例子，它描述了一个将两幅图像暴露在图像过滤器中以重用变量的问题，从而激发了变量共享的需要。

问题

我无法理解引入变量共享概念的approach.Instead --我们不能将所有图像放在一个矩阵中(以像素值的形式，每一行表示一幅新的图像)，并通过使用单一的variables.The方法对整个矩阵执行必要的操作，比如过滤器，我建议使用类似于我们在香草神经networks.We中使用的方法，不要对每个训练示例使用重用变量的概念，而是将它们以矩阵的形式堆叠起来，并为所有的训练示例建立一个共同的权重矩阵来执行必要的操作。

有人能指出我在这两种方法之间建立一致性的错误是什么吗？

Answer 1

在前传中，您无法区分共享变量和两个相同变量。但是在训练中，回传是不同的。如果你有两个相同的变量，你会有两个调整，它们一般都不是相同的，所以这两个变量会发散。如果只有一个共享变量，则只有一个调整。