machine-learning - 卷积核是预定义的还是 CNN 在训练期间定义它们

Question

我了解卷积核的工作原理及其在神经网络中的功能。然而，我不确定在典型的 CNN 中您是否会预先定义卷积核是什么，或者这是否是 CNN“计算出来的”。例如，在制作 CNN 时，您是否可以简单地定义一些 5x5 卷积核，如下所示:

kernel = [[ 0,  1, -2,  1,  0]
          [ 0,  2, -1,  2,  1]
          [ 1,  0,  1,  0,  0]
          [-1, -1,  0, -3, -1]
          [-3, -2,  0,  1,  1]]

或者您会简单地告诉 CNN 找到一个 5x5 内核，训练后它会得出一个好的 5x5 内核吗？

Answer 1

对于 CNN，内核在优化过程中进行训练，因此矩阵中的每个数字都是一个自由参数，根据针对该特定变量考虑的损失的偏导数进行调整。

所以回答

Or would you simply tell the CNN to find a 5x5 kernel and after training it will have come up with a good 5x5 kernel?

您可以告诉模型使用给定大小、给定间距的 K 个内核，可能在多个层中，然后进行其他操作，它会自行找到所有内核。