我对卷积自动编码器（CAE）中降维前的卷积步骤的重要性提出了疑问 .
在我看到的许多实现中，CAE使用"flatten"层将最后一个卷积层（具有维度：H，W，C）转换为经典的一维层（dim：H x W x C），然后将一些完全连接的层转换为生成自动编码器的"code" .
但是，我注意到大多数时候，生成的扁平层实际上比输入层的尺寸更大！因此，我有直觉认为那些普通的卷积自动编码器显然过于完整，因此存在身份映射学习的风险 .
So my question :
与传统的堆叠式自动编码器相比，在完全连接的层之前进行卷积可以获得什么？ （卷积编码部分真的对减少维数有用吗？）
请注意，我想在进行分类之前使用CAE进行无人监督的预训练，我想知道CAE是否比SAE更好 .
在此先感谢您对该问题的看法 .