卷积神经网络中偏差和权重

在卷积神经网络 (Convolutional Neural Network, CNN) 中，权重和偏差是两个关键的概念，它们对模型的学习过程至关重要。

**权重**：权重相当于连接神经元之间的“桥梁”，在每个神经网络层中，输入特征图与过滤器（也称为滤波器或卷积核）之间会有许多这样的连接。权重决定了每个过滤器对特定输入区域的影响程度。它们是在训练过程中通过反向传播算法自动学习得到的，目标是最小化预测结果与真实标签之间的误差。较大的正权重通常意味着更强的相关性，而负权重则表示相反的关系。

**偏差**：偏差是添加到每一个神经元激活值之前的一个偏置项。它并不是来自输入数据的一部分，而是单独为每个神经元分配的。在某些情况下，引入偏置可以帮助模型更灵活地适应数据分布，并且有时候可以防止过拟合。比如，在ReLU激活函数中，如果所有神经元都加上了正的偏置，即使输入都是0，神经元也不会完全关闭。