卷积神经网络中的输入滤波器来自哪里（MNIST 示例）答案

【问题标题】：Where do the input filters come from in conv-neural nets (MNIST Example)卷积神经网络中的输入滤波器来自哪里（MNIST 示例）
【发布时间】：2018-01-08 00:58:21
【问题描述】：

我是卷积神经网络的新手......所以这可能是一个无知的问题。

我现在已经关注了很多关于 TensforFlow 中 MNIST 示例的示例和教程。在 CNN 示例中，所有作者都在讨论使用“输入过滤器”在 CNN 中运行。但是我找不到任何人提到它们来自哪里。谁能回答这些来自哪里？或者它们是从输入图像中神奇地获得的。

谢谢！克里斯

This is an image that one professor uses, be he does not exaplain if he made them or TensorFlow auto-extracts these somehow.

【问题讨论】：

标签： conv-neural-network

【解决方案1】：

免责声明：我不是专家，更多的是狂热者。

长话短说：过滤器相当于 CNN 的权重，神经网络本质上所做的就是学习它们的最佳值。它通过迭代训练数据集、进行预测、将它们与已经分配给每个训练单元的标签/值（通常是 CNN 的图像）进行比较并调整权重以最小化误差函数（预测之间的差异值和实际值）。

过滤器/权重的初始值并不重要，因此尽管它们可能会在一定程度上影响收敛速度，但我相信它们通常被分配随机值。

找出最佳权重是神经网络的工作，而不是实现它的人。

【讨论】：