卷积神经网络中的维数

Question

我试图理解卷积神经网络中的维度是如何表现的.在下图中,输入是28×28矩阵,带有1个通道.然后有32个5乘5的过滤器(高度和宽度的步幅2).所以我理解结果是14乘14乘32.但是在下一个卷积层中,我们有64个5乘5的滤波器(再次使用步幅2).那么为什么结果是7乘7乘64而不是7乘7乘32*64？我们不是将64个过滤器中的每一个应用于32个通道中的每一个吗？

Answer 1

一个过滤器是前一层中所有维度的总和。这意味着 5x5 过滤器对所有 32 个维度进行求和，本质上是 32*5*5 值的加权和。然而，权重值是跨维度共享的。那么这样的过滤器就有64个。可以在这里找到更好的图像解释：http://cs231n.github.io/convolutional-networks/。