machine-learning - 为什么 CNN 中的滤波器数量通常是偶数？

在卷积神经网络架构中选择滤波器数量时，滤波器的数量为偶数。例如，以下是 AlexNet 中卷积层中的滤波器数量:

conv1 - 96, 
conv2 - 256, 
conv3 - 384, 
conv4 - 384, 
conv5 - 256.

过滤器编号为偶数背后有什么理由吗？

最佳答案

按照惯例，它们通常是 2 的幂。

按照惯例，内核大小始终是奇数。(以保持每个大小的填充相同)

内核大小通常为 1 或 3。

当内核大小为1时，称为NiN(网络中的网络)。

关于machine-learning - 为什么 CNN 中的滤波器数量通常是偶数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48161891/