对于卷积神经网络，在不改变大体网络结构的情况下，可以采取哪些方式降低网络参数量

可以采取以下几种方式来降低卷积神经网络的参数量：

1. 减小卷积核的尺寸：通过减小卷积核的尺寸，可以减少参数量。但是，减小卷积核的尺寸也会降低模型的表达能力，可能会影响模型的性能。

2. 减少卷积层的数量：通过减少卷积层的数量，可以降低参数量。但是，减少卷积层的数量也会降低模型的表达能力，可能会影响模型的性能。

3. 采用稀疏连接：通过采用稀疏连接，可以减少参数量。稀疏连接是指只连接一部分输入和输出单元，而不是全部连接。但是，稀疏连接也会影响模型的表达能力和性能。

4. 参数共享：通过参数共享，可以减少参数量。参数共享是指在不同位置使用相同的权重，这样可以减少参数量。但是，参数共享也会影响模型的表达能力和性能。

5. 剪枝：通过剪枝，可以减少网络中的冗余参数。剪枝是指在训练后去除网络中的一些权重或神经元，以减少参数量。但是，剪枝也会影响模型的表达能力和性能。