如何选择每个卷积层中的过滤器数量？ [关闭]

Question

在构建卷积神经网络时，如何确定每个卷积层中使用的滤波器数量。我知道过滤器的数量没有硬性规定，但是根据您阅读的经验/论文等，是否对使用的过滤器数量有直觉/观察？

例如（我只是在编造这个例子）：

• 随着网络的深入，使用更多/更少的过滤器。

• 使用较大/较小内核大小的较大/较小过滤器

• 如果图像中感兴趣的对象很大/很小，请使用...

Answer 1

正如你所说，这没有硬性规定。

但你可以从 VGG16 中获得灵感。

它使每个卷积层之间的过滤器数量增加一倍。 对于内核大小，我通常保持 3x3 或 5x5。

但是，您也可以看看 Google 的《盗梦空间》。 他们使用不同的内核大小，然后将它们连接起来。很有趣。

Answer 2

就我而言，卷积层没有固定的深度。只是几个建议：

1. 在 CS231 中，他们提到使用步长为 1 或 2 的 3 x 3 或 5 x 5 过滤器是一种广泛使用的做法。

2. 有多少：取决于数据集。此外，如果数据合适，请考虑使用微调。

3. 数据集将如何反映选择？实验问题。

4. 有哪些替代方案？查看 Inception 和 ResNet 论文，了解接近最新技术的方法。