我们如何在 CNN 中选择内核？（卷积神经网络）答案

【问题标题】：How do we select kernels in CNN? (Convolutional Neural Networks)我们如何在 CNN 中选择内核？（卷积神经网络）
【发布时间】：2019-08-07 03:40:13
【问题描述】：

在被馈送到神经网络之前，有一些内核应用于图像以进行特征提取。但是，我们如何理解特定内核将有助于提取神经网络所需的特征。

【问题讨论】：

这是您需要通过对图像进行多次试验来获得的东西。如果您的图像较小，那么 ( 3 , 3 ) 的内核大小将是完美的。对于更大的图像，内核大小可以是 (7 ,7 )。这取决于图像的特征。如果图像中的特征相对较小，则预期内核大小会更小。
我认为您错过了内核值实际上是学习的，而不是像经典图像处理中那样预先设计的。

【解决方案1】：

这个问题绝对没有一般的答案，也没有已知的确定这些超参数的主要方法。一种传统的方法是寻找已经证明有效的类似问题和深度学习架构。通过实验可以开发出合适的架构。然而，传统的内核大小是 3x3、5x5 和 7x7。

否则，有关于这个1和2的论文，你可能想看看CNN中选择超参数的艺术。

【讨论】：