Machine-Learning
在 CNN 中，我們是否在每個卷積層都學習了內核值？
我是機器學習的新手，我對 CNN 不了解的一件事是我們是否必須在每個卷積層學習內核值，或者只學習一組內核值並在每個卷積層使用它。
@Shehryar Malik 的答案是正確的 (+1)，但聽起來有點令人困惑，尤其是對於剛接觸卷積神經網絡的人來說。
在通常的 CNN 場景中，每一層都有自己的一組必須學習的捲積核。這可以在以下（著名的）圖像中很容易地看到：
左側塊顯示了第一層中的學習內核。中央和右側塊顯示在更深層學習的內核1。這是卷積神經網絡非常重要的特徵：在不同的層，網絡學習檢測不同抽象級別的東西。因此內核是不同的。
理論上，沒有什麼能阻止您在每一層使用相同的內核。其實那個東西叫做循環卷積神經網絡。
1更準確地說，它們顯示了這些內核對什麼樣的圖像特徵做出反應，因為用形狀 3 可視化內核 $ \times $ 3 $ \times $ 256 不是很容易/直觀/有用。
