3.[判断题]同一个卷积核在输入数据的不同位置共享相同的权重，不仅减少了模型的参数量还增强了模型的泛化能力。A. 对B. 错

考查要点：本题主要考查对卷积神经网络（CNN）中权值共享机制的理解，包括其作用和优势。

解题核心思路：

1. 权值共享是CNN的核心特性之一，指同一个卷积核在输入数据的不同位置使用相同的权重参数。
2. 减少参数量：通过共享权重，模型无需为每个位置单独学习参数，大幅降低参数总数。
3. 增强泛化能力：权值共享使模型能够检测到平移不变性（如目标在图像中的不同位置），从而提升泛化能力。

破题关键点：

• 明确权值共享的定义及其对模型参数和泛化的直接影响。

权值共享的作用：

1. 减少参数量：
   假设一个卷积核大小为$3 \times 3$，若不共享权重，则每个位置需要独立参数；而共享后，所有位置共用这9个参数，参数数量显著减少。
2. 增强泛化能力：
   卷积核在不同位置提取相同的特征（如边缘、纹理），使模型对目标的位置变化具有鲁棒性，从而更好地泛化到未见数据。

结论：题目描述完全符合权值共享的特性，因此答案为A. 对。