卷积层中的多个过滤器在训练期间不会学习相同的参数吗？

根据我的了解，我们在CNN的转换层中使用多个过滤器来学习不同的特征检测器。但是，由于这些过滤器的应用方式相似（即，将其滑动并与输入区域相乘），难道它们不是在训练过程中学习相同的参数吗？因此，使用多个过滤器将是多余的吗？

我在理解这一事实时也感到困惑。初学者会感到困惑，因为这本书没有明确提到过滤器是不同的。

因为这些滤镜的应用方式相似

过滤器的应用类似，但矩阵中单元格的值彼此不同。因此他们从图像中提取了不同的特征。

他们会不会只是在训练期间学习相同的参数

不，由于过滤器现在不同，因此他们不会学习相同的参数。因此，使用多个过滤器不是多余的。

我找到了这个问题的答案：https : //www.quora.com/Why-does-each-filter-learn-different-features-in-a-convolutional-neural-network

它在此处表示：“ ...（优化）算法发现，如果两个滤波器的权重和偏差相似，则损耗不会减少，因此最终会更改其中一个滤波器的权重和偏差，以减少损耗学习新功能。”

谢谢你的回答。欣赏它:)