CNN中如何確定卷積算子的個數？

在使用卷積神經網絡 (CNN) 的計算機視覺任務（例如對象分類）中，該網絡提供了吸引人的性能。但我不確定如何在卷積層中設置參數。比如一張灰度圖（480x480_11x11x10

問題是如何確定CNN中卷積算子的數量？

我假設當您說11x11x10您的意思是您有一個帶有 10 個、11x11 過濾器的圖層時。因此，您將要做的捲積數量只是濾波器組中每個濾波器的 10 個 2D 離散卷積。因此，假設您有一個網絡：

480x480x1    # your input image of 1 channel
11x11x10     # your first filter bank of 10, 11x11 filters
5x5x20       # your second filter bank of 20, 5x5 filters
4x4x100      # your final filter bank of 100, 4x4 filters    

你將要做：多通道 2D 卷積，每個卷積的深度分別為 1、10 和 20。正如你所看到的，每個卷積的深度將作為前一層輸入體積深度的函數而變化。

但我假設您正在嘗試弄清楚如何將其與單通道 2D 卷積進行比較。好吧，您可以將每個輸入體積的深度乘以每層中的過濾器數量，然後將它們加在一起。在你的情況下：.

現在這只告訴你你正在做多少個單通道 2D 卷積，而不是每個卷積的計算密集度，每個卷積的計算強度將取決於各種參數，image_size包括過濾器計算），您擁有的池化層數等。image_depth``filter_size``stride

引用自：https://stats.stackexchange.com/questions/133074