我知道这可能是个愚蠢的问题，但我对机器学习和人工神经网络还比较新手。
深度卷积神经网络和密集卷积神经网络之间有什么区别吗？
先谢谢了！
回答：
密集卷积神经网络是一种深度卷积神经网络，其中每一层都与比自己更深的层相连接。
这意味着什么？
在普通的卷积神经网络中，每一层只与其相邻层相连。假设有4层，L1的输出只连接到L2，L2的输出只连接到L3，L3的输出只连接到L4。
在密集卷积神经网络中，假设有4层，L1的输出连接到L2、L3、L4，L2的输出连接到L3、L4，L3的输出连接到L4。
这里有一张图来说明（图片来源于这篇论文）：
为什么我们需要这样做？
如今，我们有100层甚至更多的神经网络。神经网络是通过反向传播来训练的。在这个算法中，成本函数的梯度（导数）被用来更新每一层的权重。随着每增加一层，梯度值会减小，特别是如果你使用的是sigmoid函数。这会导致训练时间更长，有时甚至无法训练。这个问题也被称为梯度消失。密集卷积神经网络中的直接连接解决了这个问题。
与普通卷积神经网络相比，密集卷积神经网络也不太容易过拟合。
欲了解更多，请阅读这篇论文，内容很容易理解。
