模型如何选择卷积神经网络不同层中使用的过滤器？答案

【问题标题】：How does a model select the filters used in different layers of a Convolutional Neural Network?模型如何选择卷积神经网络不同层中使用的过滤器？
【发布时间】：2018-04-18 03:53:28
【问题描述】：

我和我们中的许多人一样是 CNN 的新手，当讲座和教程到达您选择所需过滤器数量的部分时，我会感到困惑。我感觉我正在选择一些内核/过滤器来传递数据。我熟悉高通和低通滤波器。如果我要决定 64 个过滤器，过滤器是如何选择的？它们是随机的吗？它们来自特定的集合吗？过滤器是否特定于不同的模型（resnet 与 r-cnn 等）？如果我说 32 个过滤器，它们是否总是相同的过滤器？我所说的过滤器/内核的类型，例如https://en.wikipedia.org/wiki/Kernel_(image_processing) 或performing convolutions 的这种解释

我对在整个模型中保持不变的过滤器感兴趣。我知道过滤器上的权重是模型正在学习的。我想这些可以称为过滤器、内核或功能。我怎么看是图像补丁乘以内核并产生响应映射。然后，响应图上的偏差项就是该内核的学习权重。

【问题讨论】：

标签： machine-learning conv-neural-network

【解决方案1】：

过滤器是在训练期间为特定任务学习的模型参数。它们是初始化过滤器权重的多种方法，但一种简单的方法是从正态分布中提取。

网络的结构（例如，有多少 CNN 层以及每层要学习多少过滤器）是由您设置或筛选的超参数。

【讨论】：

我对过滤器感兴趣，而不是过滤器的权重。
过滤器是权重。没有区别。