cnn卷積神經(jīng)網(wǎng)絡(luò)中的卷積核怎么確定？從模型中學(xué)習(xí)卷積參數(shù)，手動(dòng)確定卷積核的大小和數(shù)目。二維卷積核的大小通常是奇數(shù)，例如1*1、3*3、5*5、7*7。卷積核數(shù)是網(wǎng)絡(luò)中的信道數(shù)。常用的是128 256

cnn卷積神經(jīng)網(wǎng)絡(luò)中的卷積核怎么確定？

從模型中學(xué)習(xí)卷積參數(shù)，手動(dòng)確定卷積核的大小和數(shù)目。二維卷積核的大小通常是奇數(shù)，例如1*1、3*3、5*5、7*7。卷積核數(shù)是網(wǎng)絡(luò)中的信道數(shù)。常用的是128 256 512，需要根據(jù)具體任務(wù)來(lái)確定。

另外，最近神經(jīng)網(wǎng)絡(luò)自動(dòng)搜索結(jié)構(gòu)非常流行。最著名的是Google的nasnet，它使用一些啟發(fā)式遍歷來(lái)尋找特定數(shù)據(jù)集的最佳網(wǎng)絡(luò)結(jié)構(gòu)

我們通?？吹降木矸e濾波器圖是這樣的：

這實(shí)際上是“展平”或“展平”卷積濾波器。例如，上圖中的粉紅色卷積濾波器是3x3x3，即長(zhǎng)3，寬3，深3。然而，在圖中，它是在兩個(gè)維度中繪制的-深度被省略。

.由于卷積濾波器的深度與輸入圖像的深度相同，所以原理圖中沒(méi)有繪制深度。如果同時(shí)繪制深度，效果如下：

（圖片來(lái)源：mlnotebook）

如上所述，卷積濾波器的深度與輸入圖像的深度相同，即3。

順便說(shuō)一下，輸入圖像深度是3，因?yàn)檩斎雸D像是彩色圖像，深度是3，分別是R、G和b值。

（圖片來(lái)源：mlnotebook）

總之，卷積濾波器的深度應(yīng)該與輸入數(shù)據(jù)的深度一致。

如何理解卷積神經(jīng)網(wǎng)絡(luò)里卷積過(guò)濾器的深度問(wèn)題？

首先，編程領(lǐng)域比較大。為什么它很大？學(xué)習(xí)軟件開(kāi)發(fā)，無(wú)論是前端還是后端，都是編程，大數(shù)據(jù)也是編程，人工智能也是編程

因此，沒(méi)有明確的方向。

在編程世界中，有一種古老的語(yǔ)言叫做C語(yǔ)言，它是C和Java的祖先。所有語(yǔ)言的基礎(chǔ)都來(lái)自于它，所以你最好先了解它。

但是現(xiàn)在，由于人工智能的普及，很多人都在學(xué)習(xí)python，很多人說(shuō)它的語(yǔ)法簡(jiǎn)單易學(xué)。這是正確的。也有人說(shuō)它是初學(xué)者學(xué)習(xí)的最好的語(yǔ)言。事實(shí)上，如果沒(méi)有嚴(yán)格的語(yǔ)法，它可以說(shuō)是“為所欲為”。Java寫100行代碼，可能只需要寫20行。

不過(guò)，我還是想談?wù)勚鹘?！它是C語(yǔ)言，為什么呢，因?yàn)槟阒粚W(xué)它，再學(xué)C和Java就容易多了，可以說(shuō)它很快就會(huì)帶領(lǐng)你成為一名程序員。當(dāng)然，不是絕對(duì)的。

學(xué)習(xí)python并非不可能，但它與C/C和Java不同。經(jīng)過(guò)學(xué)習(xí)，回首C，我覺(jué)得它不是一個(gè)世界。

現(xiàn)在大學(xué)是基于C語(yǔ)言的，你不妨從它開(kāi)始。

我希望這個(gè)答案能對(duì)您有所幫助。