Как показано на рисунке ниже, это нейронная сеть MNIST.В процессе изучения CNN я обнаружил проблему,Почему одноканальное входное изображение после свертки становится 32-канальным
Это моя собственная мысль: официальное заявлениеКоличество каналов — это количество используемых ядер свертки., на самом деле, он более популярен: как на картинке ниже, предполагая, что наше входное изображение представляет собой каналы RGB3, если мы свернем только один раз, мы выведем только одно значение, но входное изображение имеет три канала, и теперь канал На напротив, он уменьшился. Я думаю, что это нехорошо, поэтому я сделал еще одно ядро свертки и дал ему свернуться (форма ядра свертки такая же, но w внутри является случайным значением, так что не беспокойтесь о результат свертки будет повторяться), так что теперь выходов два, а потом можно проделать еще несколько раз, например, 32 раза эта операция может получить 32-канальный вывод, и тогда количество выходных каналов называетсяfeature map
обязательно обратите вниманиеПри использовании многих ядер свертки смещение каждого ядра свертки отличается, я думаю, что это причина, по которой используется много ядер свертки, потому что предвзятость состоит в том, чтобы сделать нас более предвзятыми по отношению к определенной части данных, но это немного несправедливо, если мы свернем только один раз, поэтому свертка выполняется много раз , каждый раз с уклоном в сторону разных данных, чтобы крайних случаев больше не было.
Насчет 32 каналов, думаю, зависит от конструктора.