卷积核如何在 CNN 中得到训练？答案

【问题标题】：How does a convolution kernel get trained in a CNN?卷积核如何在 CNN 中得到训练？
【发布时间】：2018-08-20 09:00:58
【问题描述】：

在 CNN 中，卷积运算在输入矩阵上“卷积”一个核矩阵。现在，我知道全连接层是如何利用梯度下降和反向传播来训练的。但是核矩阵是如何随时间变化的呢？

如here, in the Keras documentation 所述，有多种方法可以初始化内核矩阵。但是，我很想知道它是如何训练的？如果它也使用反向传播，那么是否有任何论文详细描述了训练过程？

This post 也提出了类似的问题，但没有答案。

【问题讨论】：

【解决方案1】：

Here 你有一篇关于卷积层的反向传播的很好解释的帖子。简而言之，它也是梯度下降，就像 FC 层一样。事实上，您可以按照here 的说明有效地将卷积层转换为全连接层。

【讨论】：