卷積核中的因子(×1或×0)其實(shí)就是需要學(xué)習(xí)的參數(shù)，也就是卷積核矩陣元素的值就是參數(shù)值。一個(gè)特征如果有9個(gè)值，1000個(gè)特征就有900個(gè)值，再加上多個(gè)層，需要學(xué)習(xí)的參數(shù)還是比較多的。

對(duì)卡在局部極小值的處理方法：

1. 調(diào)節(jié)步伐：調(diào)節(jié)學(xué)習(xí)速率，使每一次的更新“步伐”不同；

2. 優(yōu)化起點(diǎn)：合理初始化權(quán)重（weights initialization）、預(yù)訓(xùn)練網(wǎng)絡(luò)（pre-train），使網(wǎng)絡(luò)獲得一個(gè)較好的“起始點(diǎn)”，如最右側(cè)的起始點(diǎn)就比最左側(cè)的起始點(diǎn)要好。常用方法有：高斯分布初始權(quán)重（Gaussian distribution）、均勻分布初始權(quán)重（Uniform distribution）、Glorot 初始權(quán)重、He初始權(quán)、稀疏矩陣初始權(quán)重（sparse matrix）。