Deep learning 机器学习层到目标特征

我对机器学习还比较陌生，在浏览了几天互联网了解它的实际工作原理后，我有一些问题，特别是关于如何针对某些功能

据我所知，卷积层可以从输入图像中提取特征。机器根据激活和内核大小e.t.c.寻找最佳内核，也就是说，它学习该层的最佳内核。然后输出下一层要查看的特征

但是，如果我想专门针对某个功能，该怎么办？例如，我知道我的两类图像的平均像素强度会有很大不同。我该如何告诉CNN寻找像素强度？基于此，优化神经元的权重

任何帮助都将不胜感激，谢谢您抽出时间

---

编辑：事实证明，我对机器学习有着深刻的误解。下面的答案很好地解释了这一点，解决了我的困惑

你基本上是对的，但我认为你的术语有点不恰当。conv层试图学习最好的内核，但对于数据集，它是经过训练的。如果您有两个不同的数据集和相同的conv层，那么训练后的内核将不同，每一个内核对于它所训练的数据都是“最佳”的

---

现在，您不能像这样显式地选择特性。这就是神经网络的美妙之处。您必须让NN了解它将如何表示功能和知识，以及它将选择哪些功能。您可以做的是以不同的方式预处理数据集和/或使内核适应任务。所以，如果图像有，比如说，更密集的像素，你可以选择更大的内核来覆盖图像的相同区域。现在，我对像素强度了解不多，但我相信NN会自己获取它，而无需您的特定请求。这只是在将图像输入NN之前处理图像的方式。您应该始终标准化平均值或规范化培训中的数据，以获得最大的准确性。看一看

的概念谢谢我想我明白了！看起来我尝试提取特定功能的方法不正确。谢谢