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)

你好，我是張浩亞。我很高興為你回答。卷積核是算子和權(quán)重矩陣卷積核：卷積中使用的權(quán)重由一個(gè)矩陣表示，該矩陣與使用的圖像區(qū)域大小相同，其行和列為奇數(shù)，這是一個(gè)權(quán)重矩陣。更專業(yè)的科普知識(shí)往往用于圖像處理。請(qǐng)注意我。如果你喜歡我的回答，也請(qǐng)給我表?yè)P(yáng)或轉(zhuǎn)發(fā)，你的鼓勵(lì)是支持我寫下來(lái)的動(dòng)力，謝謝。