如何在 CNN 中训练卷积核？

Question

在 CNN 中，卷积操作在输入矩阵上“卷积”一个内核矩阵。现在，我知道全连接层如何利用梯度下降和反向传播来训练。但是核矩阵是如何随时间变化的呢？

在 Keras 文档中，有多种初始化内核矩阵的方法，如此处所述。但是，我很想知道它是如何训练的？如果它也使用反向传播，那么有没有详细描述训练过程的论文？

这篇文章也提出了一个类似的问题，但没有答案。

Answer 1

这里有一篇关于卷积层反向传播的详细解释的文章。简而言之，它也是梯度下降，就像 FC 层一样。事实上，您可以有效地将卷积层转变为完全连接层，如此处所述。