Python 在tensorflow上构建CNN时，如何指定要使用的卷积滤波器？

我知道有不同种类的卷积滤波器，这取决于你想做的工作。例如，锐化、模糊等。我们是否需要使用特定类型的图像分类

tensorflow网站上提供了用于图像分类的CNN示例：

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))

---

我知道卷积层使用的是3x3滤波器，但我怎么知道它是什么类型的矩阵呢？削尖的、模糊的等等？任何3X3都可以用于图像分类吗？

它不是Instagram意义上的过滤器。它是一个在输入图像上滑动的矩阵，乘以相应的值，然后将这些值相加。权重是可训练的，因此它们成为特征，也就是说，它们成为通过乘法提取最多意义的东西

如果初始化卷积层，它只是随机值：

import tensorflow as tf

conv = tf.keras.layers.Conv2D(filters=1, kernel_size=3)
conv.build(input_shape=(None, 28, 28, 1))

weights, biases = conv.weights

print(tf.squeeze(weights))

正如我所说，过滤器是可训练值的矩阵，因此，如果您的任务是检测线，您可能会得到如下权重：

tf.eye(3)

---

第二层输入的大小也会稍微小一些，因为图像会被过滤器大小-1缩小，除非有填充。

它不是Instagram意义上的过滤器。它是一个在输入图像上滑动的矩阵，乘以相应的值，然后将这些值相加。权重是可训练的，因此它们成为特征，也就是说，它们成为通过乘法提取最多意义的东西

如果初始化卷积层，它只是随机值：

import tensorflow as tf

conv = tf.keras.layers.Conv2D(filters=1, kernel_size=3)
conv.build(input_shape=(None, 28, 28, 1))

weights, biases = conv.weights

print(tf.squeeze(weights))

正如我所说，过滤器是可训练值的矩阵，因此，如果您的任务是检测线，您可能会得到如下权重：

tf.eye(3)

---

第二层输入的大小也会稍微小一些，因为图像会被过滤器大小-1缩小，除非有填充。

在初始化TensorFlow/Keras模型时，您不能指定过滤器的类型，这意味着它是Sobel过滤器还是高斯模糊等。这些权重过滤器的值会随着训练的进行而逐渐学习，并针对您使用的数据集而特定

---

但是，您可以指定如何使用Conv2D层中的kernel_初始值设定项参数对权重的随机值进行采样，它可以帮助模型更快地收敛，或者根据数据和其他因素找到更好的局部最小值

在初始化TensorFlow/Keras模型时，您不能指定过滤器的类型，这意味着它是Sobel过滤器还是高斯模糊等。这些权重过滤器的值会随着训练的进行而学习，并且会特定于您使用的数据集

---

但是，您可以指定如何使用Conv2D层中的kernel_初始值设定项参数对权重的随机值进行采样，它可以帮助模型更快地收敛，或者根据数据和其他因素找到更好的局部最小值

谢谢你的回复，尼古拉斯。作为后续问题，澄清一下，我知道矩阵在输入图像上滑动，卷积解决方案或特征图就是输出。在进行CNN架构时，您可能会在以前的功能图上出现多层卷积。我的问题是，我怎么知道3x3矩阵是什么？我意识到输入图像是图像1，但是它所卷积的矩阵，对于一般的分类问题不重要吗？这是因为每个图层将使用相同的3x3值，因此所有要素贴图将具有相同的比率？谢谢你的回复，尼古拉斯。作为后续问题，澄清一下，我知道矩阵在输入图像上滑动，卷积解决方案或特征图就是输出。在进行CNN架构时，您可能会在以前的功能图上出现多层卷积。我的问题是，我怎么知道3x3矩阵是什么？我意识到输入图像是图像1，但是它所卷积的矩阵，对于一般的分类问题不重要吗？这是因为每个图层将使用相同的3x3值，因此所有要素贴图将具有相同的比率？

import tensorflow as tf
from skimage import data
import numpy as np
import matplotlib.pyplot as plt

conv = tf.keras.layers.Conv2D(filters=3, kernel_size=3)
image = data.chelsea()

conv.build(input_shape=(None, *image.shape))

plt.imshow(image)
plt.show()

image = np.expand_dims(image, axis=0).astype(np.float32)
for i in range(5):
    image = conv(image)

plt.imshow(np.squeeze(np.abs(np.minimum(image, 255))).astype(int))
plt.show()