Machine learning CNN的卷积层需要多少个神经元？

卷积层需要多少个神经元来处理大小为32*32的图像

---

32个过滤器，内核大小为3*3。我知道输入神经元将是32*32，即1024，但如何计算隐藏卷积层所需的神经元

卷积层由滤波器组成，我不认为它们通常被称为神经元。所以我猜你的问题的答案是32。还要注意，内核大小和映像大小并不重要。内核大小影响参数的数量，但（显然）不影响过滤器的数量

---

这就是卷积层的点-输入的大小无关紧要，参数的数量是固定的。

没有固定的方法或术语来定义网络中隐藏单元的数量（您将其称为神经元），但建议的是，保持隐藏单元的数量少于功能的数量

示例：您的输入功能的大小为256（16 x 16图像），而隐藏单元的数量应保持在256以下，以保持良好的配合并防止过度配合！

---

更多的神经元将过度拟合数据，引入高方差（测试集误差大于训练误差）

一个层中的神经元数量不是可计算的。我遇到过一个术语，其中来自特征映射的特征（conv层的输出）被标记为神经元。这是有意义的，因为特征映射中的一个特征被计算为核权重x输入，然后非线性被应用，这类似于“正常”人工神经元的操作方式。