以前在几篇博客中说到了权重共享，但都以为不够全面，这里作个专题，之后有新的理解都在此更新。网络
1. 减小运算只是锦上添花学习
以前说到权重共享能够减小运算，是的，但这样说好像是无关紧要，只是运算量大小的问题，其实不是无关紧要的。博客
2. 权重共享的本质是特征提取模板
以前说到权重就是模板，咱们按照必定的模板来与样本进行比对，看看有没有与模板一致的外在表现（特征）class
3. 权重共享使得模型泛化神经网络
普通的神经网络输入是固定的，而权重共享可使得输入不固定。搜索
好比不少张图像，每张图像上有我的脸，可是人脸在图像的不一样位置，或者图像的大小也不相同，此时权重共享能够全图扫描，搜索人脸，进而把特征提取出来。di
再如RNN作语义分析，两句话：我去年去了北京；去年我和父母去了北京，这其实意思差很少，但文字位置不一样，句子长度也不一样。co
权重共享使得模型可以处理一个连续序列的特征，而无论输入的序列总长度是多少。模型
当这个连续序列在样本的不一样位置时，依然可以识别，而不是学习每一个位置的规则，这不只抓住了不一样特征之间的连续性，也减小了学习规则
因此权重共享是必须的。