Fit*_*999 5 machine-learning deep-learning hyperparameters conv-neural-network data-science
在卷积神经网络(CNN)中,选择滤波器用于权重共享.例如,在以下图片中,选择具有步幅(相邻神经元之间的距离)1的3×3窗口.
所以我的问题是:如何选择窗口大小？如果我使用4x4,步幅是2,它会产生多大的差异？非常感谢提前!
对此没有明确的答案:过滤器大小是您通常需要调整的超参数之一.但是,有一些有用的观察结果可能会对您有所帮助.通常优先选择较小的过滤器,但具有更多的过滤器.
示例:四个5x5过滤器有100个参数(忽略偏差),而10个3x3过滤器有90个参数.通过较大的滤镜,您仍然可以捕捉图像中的各种特征,但参数更少.更多关于这里.
现代CNN更进一步有了这个想法,并选择连续3x1和1x3卷积层.这样可以进一步减少参数数量,但不会影响性能.查看初始网络的演变.
步幅的选择也很重要,但它会影响卷积后的张量形状,从而影响整个网络.一般规则是stride=1在通常的卷积中使用并使用填充保留空间大小,并stride=2在您想要对图像进行缩减采样时使用.
