在此图片中:(来源:ele.tue.nl)
输入是32x32,C1
是28x28,"Convolutional"
层和池化层的内核大小分别是5x5和2x2。
但是为什么5x5没有其他数字,也就是我们如何确定内核大小?
在问为什么kernel_size
是5时,为什么不问为什么num_output
(隐藏的神经元数)是4?
内核大小(例如层数,何时以及选择哪种合并方法的隐藏变量数)都是神经网络设计选择的一部分。掌握这些价值是设计新体系结构的“黑暗技术”的一部分,通常涉及反复无常和冗长的培训过程。
根据经验,内核越大,网络的训练/测试时间就越慢。另一方面,大内核使您可以学习更复杂的模板,从而使网络具有更强的表达能力。由您决定要在模型的运行时与表达能力之间的位置。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句