卷積網絡中學到的東西

在卷積網絡（CNN）中，有人回答我說，濾波器是隨機初始化的。卷積網絡中學到的東西

對此我確定，但是，當梯度下降時，誰在學習？功能地圖或過濾器？我的直覺是濾鏡正在學習，因爲他們需要識別複雜的東西。但我想確定這一點。

來源

2016-12-12 Pusheen_the_dev

你的網絡由不同的內核組成。其中每個參數都有參數w和b。 GD應用計算這些參數中的移位值以減少錯誤。 – Feras

特徵映射是將濾波器/內核應用到輸入（圖像/特徵映射）時的輸出，因此無法學習。只有用於將輸入轉換爲輸出的參數（過濾器）可以學習。 – aleju

您可能想閱讀[我的碩士論文]的第3-10頁（https://arxiv.org/pdf/1707.09725.pdf#page=17）。特別是圖6. –

在卷積神經網絡中，kernel = filter = feature detector。

這是從Stanford's deep learning tutorial（也很好地解釋了Denny Britz）很好的例證。

該過濾器是黃色滑動窗口，其值是：

特徵地圖是粉紅色的矩陣。它的值取決於濾鏡和圖像：因此，學習特徵圖是沒有意義的。訓練網絡時只學習過濾器。該網絡也可以有其他權重來訓練。

來源

2016-12-12 15:17:01

非常感謝您的解釋！現在對我有意義！ :) 最後一個問題，當我們有一個conv層的輸出時，讓我們說3個特徵圖。我們用3個內核在其旁邊放置了一個其他的conv層。輸出將會是3或9個功能圖嗎？更準確地說，第一層的3個特徵地圖將以某種方式連接起來，以便由下一個conv層處理，或者第一層的所有特徵地圖會像3個新圖像一樣發送到下一個轉場？ –

哦，爲什麼在第一層上，濾鏡比上一個更容易提取通用特徵？ –

正如alelle所說，過濾器權重是學習到的。特徵映射是卷積層的輸出。除了卷積濾波器權重之外，還有完全連接（和其他類型）層的權重。

來源

2016-12-12 15:15:21

卷積網絡中學到的東西

回答

相關問題