在卷积网络中学到什么

Question

在一个卷积网(CNN)中，有人回答我，过滤器是随机初始化的。

我不介意，但是，当有梯度下降时，谁在学习呢？特征图还是过滤器？我的直觉是，过滤器在学习，因为它们需要识别复杂的事物。但我想确定一下。

Answer 1

在卷积神经网络中，核=滤波器=特征检测器。

这是来自斯坦福大学的深度学习教程的一个很好的例子(丹尼·布里兹也很好地解释了)。

​

​

过滤器是黄色的滑动窗口，其值是：

​

​

特征图是粉红矩阵。它的价值取决于过滤器和图像:因此，学习特征地图是没有意义的。当网络被训练时，只有过滤器被学习。网络也可能有其他的权值需要训练。

Answer 2

正如aleju所说，过滤器的重量是学习的。特征映射是卷积层的输出。除了卷积滤波器的权重，还有完全连接(和其他类型)层的权重。