machine-learning - tensorflow tf.nn.conv2d 中的特征编号

Question

在 Tensorflow 示例“专家深度 MNIST”中 https://www.tensorflow.org/get_started/mnist/pros

我不清楚如何确定激活函数权重中指定的特征编号。

例如:

We can now implement our first layer. It will consist of convolution, followed by max pooling. The convolution will compute 32 features for each 5x5 patch.

W_conv1 = weight_variable([5, 5, 1, 32])

为什么这里选择32？

In order to build a deep network, we stack several layers of this type. The second layer will have 64 features for each 5x5 patch.

W_conv2 = weight_variable([5, 5, 32, 64])

再说一遍，为什么选择64？

Now that the image size has been reduced to 7x7, we add a fully-connected layer with 1024 neurons to allow processing on the entire image.

W_fc1 = weight_variable([7 * 7 * 64, 1024])

为什么这里是 1024？

谢谢

Answer 1

每个滤镜实际上都会做一些事情，比如检查边缘、检查颜色变化，或者右移、左移图像、锐化、模糊等。这些过滤器中的每一个实际上都在通过锐化、增强、平滑、强化等来找出图像的含义。

例如检查此链接，它解释了这些过滤器的含义 http://setosa.io/ev/image-kernels/

因此，所有这些过滤器实际上都是神经元，其中的输出将被最大池化，并最终在经过一些激活后馈入 FC 层。

如果您只是想了解过滤器，这是另一种方法。但是，如果您想了解如何转换。架构可以工作，但由于这些是在数据集上经过尝试和测试的过滤器，因此您现在应该使用它。

过滤器还通过反向传播进行学习。