66问答网
所有问题
卷积神经网络的学习是不是就是学习卷积核？
卷积神经网络的学习是不是就是学习卷积核？卷积核是不是就相当于普通神经网络的权重参数？
举报该问题
其他回答
第1个回答 2020-03-05
在单纯的CNN网络中，或者说在某层CNN网络中，是的。
卷积核
的目的，就是为了重复利用普通神经网络（比如，全连接网络）的权重参数，达到减少全局参数数量，减少训练的计算量的目的。
第2个回答 2020-02-21
CNN的卷积层 学习参数就是卷积核，但cnn还包含了全连接层，Dense层的参数w，b也是cnn要学习的对象
第3个回答 2020-02-22
卷积神经网络包括 卷积 池化 和 激活函数，因此，卷积核仅仅是卷积操作中的一个组件。
相似回答
【高层视觉】透析
卷积神经网络
(CNN)中的
卷积核
概念和原理
答：
卷积，如同魔法般地融合信息，是深度
学习
中的核心运算，它在图像处理中扮演着简化复杂表达的关键角色。想象一下，一个3x3的神奇“滤镜”——
卷积核
，轻轻拂过RGB图像的表面，它在每个像素间游走，生成的feature map仿佛是一幅精炼的轮廓画，精准地捕捉边缘和特征，如衣物的轮廓和纹理区分。自动学习的神韵:...
哪位高手能解释一下
卷积神经网络的卷积核?
答：
卷积神经网络的卷积核并非固定
，而是作为可训练参数存在，它们通过学习数据中的模式来优化网络性能。这种灵活性使得CNN能够适应各种图像特征的提取，如平滑滤波和边缘检测等。实践中的卷积核应用 无论是平滑滤波还是边缘提取，卷积核的设计至关重要。例如，平滑滤波核通过平均周围像素值来减少噪声，而边缘提取核...
阐述cnn卷积,
卷积核
的含义
答：
阐述cnn卷积,
卷积核
的含义如下：卷积（Convolution）是一种数学运算，通常用于信号处理、图像处理和机器
学习
中。在最简单的情况下，卷积可以理解为两个函数经过叠加、翻转和移位等操作所得到的新函数。
卷积神经网络
（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedfo...
CNN(
卷积神经网络
)是什么?
答：
然而在神经网络中，模版的参数是训练出来的，我认为是纯数学意义的东西，很难理解为在频域上还有什么意义，所以我不认为神经网络里的卷积有滤波的作用。接着谈一下个人的理解。首先不管
是不是卷积神经网络
，只要是神经网络，本质上就是在用一层层简单的函数（不管是sigmoid还是Relu）来拟合一个极其复杂的...
卷积神经网络
中的
卷积核是学习
得来,还是预定义好的
答：
当然这个都是从经验出发的建议，并没有很明确的理论依据，如果有兴趣可以往这方面研究。在使用训练数据对网络进行BP训练时，W和b的值都会往局部最优的方向更新，直至算法收敛。所以
卷积神经网络
中的
卷积核
是从训练数据中
学习
得来的，当然为使得算法正常运行，你需要给定一个初始值。深入细节可参考：http:...
卷积神经网络
(CNN)——图像卷积
答：
卷积层的核心任务
是学习卷积核
。通过比较输入和输出对，我们使用二维卷积层，结合适当
的学习
率，调整卷积核权重，逐渐逼近目标卷积核K。这样的过程，既科学又富有挑战性。总结起来，卷积层的操作中，权重和偏置作为可学习参数，核矩阵的大小则作为超参数，它们共同构建了CNN的强大能力。为了帮助学习者更好地...
大家正在搜
相关问题
卷积神经网络中的卷积核是学习得来，还是预定义好的
卷积神经网络的卷积核 怎么确定
卷积神经网络最后的全连接层的权值也是学习得来的吗？
关于卷积神经网络的卷积核个数问题
卷积神经网络中的卷积核是学习得来，还是预定义好的
卷积神经网络中的卷积核是学习得来，还是预定义好的
深度学习和神经网络的区别是什么
卷积神经网络中的卷积核是学习得来，还是预定义好的