[问题/Issue] 章节2.1.1的图2.2画得相当“敷衍”且容易引起误导

[yangrudan]

1. 遇到问题的章节 / Affected Chapter

Chapter2.1.1

2. 具体问题描述 / Problem Description

问题

图2.2画得相当“敷衍”且容易引起误导，甚至在某些层面可以认为是错误的。

1. 卷积神经网络（CNN）的核心特征是局部连接（Sparse Connectivity）和权值共享。
   错误点： 如果连线像图中那样密密麻麻地全连上，那它本质上就是一个普通的全连接神经网络（MLP），完全体现不出卷积提取局部特征的作用。

2. 在 CNN 中，卷积层和池化层通常表现为三维张量（Feature Maps），即一叠方块，用来体现空间维度（宽、高）和通道数（Channel）。
   误导性： 这种类似神经元的圆圈画法，让人很难理解卷积核是如何在图像上滑动的。

正确的图特点

• 局部连接，而非全连接
  示意图里，卷积核只会连接输入特征图上的一个小局部感受野，而不是像全连接层那样和所有输入神经元相连。

• 每个卷积层的输出都是一个三维的特征图（高度 × 宽度 × 通道数），图中会用不同颜色或平面来区分不同通道。
  权值共享可视化

• 同一个卷积核会在整个输入特征图上滑动，图中通常会用相同的颜色或线条来表示共享的权重。

• 清晰的模块划分
  会明确区分卷积块（卷积 + 激活 + 池化）和全连接块，而不是混在一起画。

参考

https://medium.com/@siddheshb008/alexnet-architecture-explained-b6240c528bd5

3. 问题重现材料 / Reproduction Materials

这里：

确认事项 / Verification

• 此问题未在过往Issue中被报告过 / This issue hasn't been reported before