سلام
شبکه کانولوشن آموزشش همیشه یکسانه و توسط بک پراپگیشن انجام میشه.
یادتون باشه که وقتی شبکه کانولوشن ارائه شد خودش به عنوان یه شبکه عمیق شناخته میشد (معماری LeNet5) اما خب نسبت به معماری های الان عمیق بحساب نمیاد و خیلی خصوصیات معماری های عمیق در اون مشخص نیست.
یادگیری عمیق اشاره به تعداد لایه های زیاد هست و وقتی لایه ها زیاد باشن معمولا تعداد پارامترهای یادگیری هم افزایش خیلی قابل ملاحظه ای پیدا میکنن و در این صورت نیازمند دیتای زیادی هم هستید.
زمانی که دیتای زیادی نداشته باشید یا نتونید از روشهایی مثل فاین تونینگ استفاده کنید معماری های عمیق احتمالا چیزی نیستن که شما بدنبال اون هستید.
بصورت خیلی خلاصه ایده یادگیری عمیق اینه که سابقا ما خودمون باید مشخص میکردیم چه ویژگی هایی باید در ورودی موجود باشن و بر اساس اون چه تصمیمی گرفته بشه،(مهندسی ویژگی که مهمترین بخش حل مساله اس توسط ما انجام میشد) اما حالا با یادگیری عمیق با استفاده از ارائه داده زیاد به شبکه ، این کار رو خود شبکه به بهترین شکل انجام میده حتی بهتر از ما و ما از اون بهره مند میشیم.