最后，我开始学习神经网络，我想知道卷积深度信念网络和卷积网络之间的区别。在这里，有一个类似的问题，但没有确切的答案。我们知道卷积深度信念网络是CNNs+DBN。所以，我要做一个物体识别。我想知道哪一个比另一个好得多，或者它们的复杂性。我搜索了一下，但找不到任何东西，可能是做错了什么。
我不知道你是否还需要答案，但无论如何，我希望你会觉得这很有用。
CDBN增加了DBN的复杂性，但如果你已经有了一些背景，那就没那么多了
如果您担心计算复杂性，这实际上取决于如何使用DBN部分。DBN的作用通常是初始化网络的权重，以实现更快的收敛。在这种情况下，DBN仅在预训练期间出现
您也可以像判别网络一样使用整个DBN（保持生成能力），但它提供的权重初始化足以用于判别任务。因此，在假设的实时利用率期间，这两个系统在性能方面是相等的
此外，第一个模型提供的权重初始化确实有助于像物体识别这样的困难任务（即使是一个好的卷积神经网络本身也不能达到很好的成功率，至少与人类相比），所以它通常是一个不错的选择。