Machine learning 模型如何选择卷积神经网络不同层中使用的滤波器？

我是CNN的新成员，我们中的许多人都是，当讲课和教程讲到你要选择多少过滤器的部分时，我感到困惑。我感觉我正在选择一些内核/过滤器来传递数据。我熟悉高通和低通滤波器。如果我决定使用64个过滤器，如何选择过滤器？它们是随机的吗？它们来自特定的集合吗？过滤器是否针对不同的型号（resnet与r-cnn等）？如果我说32个过滤器，它们是否总是相同的过滤器？我所说的过滤器/内核的类型，比如这些或下面的解释

---

我对在整个模型中保持不变的过滤器感兴趣。我知道过滤器上的权重是模型正在学习的内容。我想这些可以称为过滤器、内核或特性。我的看法是，图像补丁与内核相乘，得到一个响应图。然后，响应图上的偏差项就是该内核的学习权重

过滤器是在培训期间为特定任务学习的模型参数。它们是初始化过滤器权重的多种方法，但简单的方法是从正态分布中提取

---

网络的结构（例如，有多少CNN层和每层要学习多少个过滤器）是由您设置或筛选的超参数

我对过滤器感兴趣，而不是过滤器的权重。过滤器是权重。没有区别。