Neural network 是否有任何标准来决定卷积层和池层的内核大小？

在这张照片中：
（来源：）

输入为32x32，

C1

为28x28，

卷积层和池层的内核大小分别为5x5和2x2。

但是为什么5x5不是其他数字，也就是我们如何决定内核大小？
当问为什么
内核大小
是5时，为什么不问
num\u输出
（隐藏神经元的数量）是4

内核大小，如层的数量、隐藏变量的数量以及何时选择何种池方法，都是神经网络设计选择的一部分。接受这些价值观是设计新建筑的“黑暗艺术”的一部分，它通常涉及反复试验和漫长的培训过程

根据经验，内核越大，网络的训练/测试时间就越慢。另一方面，大内核使您能够学习更复杂的模板，从而使网络具有更强的表达能力。由您决定您希望在运行时与您的模型的表达能力之间的对比。
感谢您的解释。事实上，我也想知道如何确定num_输出，但我以前看到过一些关于这个主题的问题。这些问题的答案表明num_输出是一个可以调整的参数。确定特征图数量的最佳方法是尝试不同的值并检查其准确性。你对此有更好的想法吗？@zhaowularen如果你找到一个更好的方法，请尽快让我知道——调整这些“架构参数”是一项非常棘手的“黑暗艺术”…@Shai抱歉，我可能不得不再次麻烦您。我有一个关于tset结果的新问题。