學習目標：卷積把局部與共享兩件事綁在一起，但它們可以拆開。三個模型（MLP／局部未共享／卷積）在三個條件下各跑一次，就能看出哪一個宣告買到「換位置還算同一件事」，以及哪一個宣告在像素被打亂時真的受傷。上圖另外量一件和訓練無關的事：等變是精確成立的，而它建立出來的不變性在邊界有縫。

左＝12×12 的探針影像（線段可拖動；這一格量的是結構性質，所以不加雜訊）；右＝同一個隨機初始化、未經訓練的層給出的特徵圖

三個條件 × 三個模型的測試準確率（在瀏覽器裡現場訓練：384 張圖、480 步，比筆記裡那組短得多，所以 MLP 停在 0.8 附近而不是 0.98；要看的是同一個模型在不同條件之間的落差）

觀察：切換上面的「模型」，看第二列那個等變誤差。卷積是精確的 0——不是很小，是零；局部未共享是 10⁻¹ 的量級，和特徵本身同一個數量級（它有局部的形狀，但每個位置的權重不同，平移一格之後特徵圖整個換人）；MLP 連「把特徵圖也平移一下」都沒有定義。等變來自共享，不來自局部。下圖中間那一組是共享買到的：只有卷積把從沒看過的右半也做對（1.000），MLP 與局部未共享都掉到亂猜——這裡的線段只有 5 像素長，左半訓練完全沒更新到右半的權重，所以比筆記裡那組整條線的實驗更極端。右邊那一組是共享的代價：打亂像素之後只有卷積掉下去（MLP 幾乎完全沒感覺）。最右邊那一組是刻意違反：任務答案就是位置，卷積照樣明顯高於 0.5——不變性只在畫面內部成立，邊界留下的縫被最佳化找到並用掉了。