Conv neural network conv神经网络中的输入滤波器来自何处（MNIST示例）
我是卷积神经网络的新手。。。所以这可能是一个无知的问题 我已经学习了TensforFlow中MNIST示例的许多示例和教程。在CNN的例子中，所有作者都谈到使用“输入过滤器”在CNN中运行。但我找不到有人提到它们来自哪里。有人能回答这些是从哪里来的吗？或者它们是从输入图像中神奇地获得的 谢谢！克里斯 免责声明：我不是专家，更像是一个狂热者 长话短说：过滤器相当于CNN的权重，而神经网络本质上所做的就是学习它们的最佳值。 它通过迭代训练数据集，进行预测，将其与已分配给每个训练单元的标签/值（通常是CNN的图像）进行比较，并调整权重以最小化误差函数（预测值和实际值之间的差异） 过滤器/权重的初始值并不重要，因此，尽管它们可能会在一定程度上影响收敛速度，但我相信它们通常被分配为随机值 计算最佳权重是神经网络的工作，而不是由实施者来完成Conv neural network conv神经网络中的输入滤波器来自何处（MNIST示例）,conv-neural-network,Conv Neural Network,我是卷积神经网络的新手。。。所以这可能是一个无知的问题 我已经学习了TensforFlow中MNIST示例的许多示例和教程。在CNN的例子中，所有作者都谈到使用“输入过滤器”在CNN中运行。但我找不到有人提到它们来自哪里。有人能回答这些是从哪里来的吗？或者它们是从输入图像中神奇地获得的 谢谢！克里斯 免责声明：我不是专家，更像是一个狂热者 长话短说：过滤器相当于CNN的权重，而神经网络本质上所做的就是学习它们的最佳值。 它通过迭代训练数据集，进行预测，将其与已分配给每个训练单元的标签/值（通常是