一、总结
一句话总结:
过滤器的权重是随机初始化的
只有卷积核学习到不同的特征,才会减少成本函数
随机初始化的权重可能会确保每个过滤器收敛到成本函数的不同的局部最小值。
每个过滤器开始模仿其他过滤器是不可能的,因为这几乎肯定会导致成本函数的增加,梯度下降算法不会让模型朝这个方向发展。
二、CNN的多个卷积核为什么能提取到不同的特征
转自或参考:CNN的多个卷积核为什么能提取到不同的特征?
https://www.zhihu.com/question/380709965
答案原文:-filter-learn-different-features-in-a-convolutional-neural-network
下面是机翻
两个原因:
1.过滤器的权重是随机初始化的
2.只有卷积核学习到不同的特征,才会减少成本函数
随机初始化的权重可能会确保每个过滤器收敛到成本函数的不同的局部最小值。
每个过滤器开始模仿其他过滤器是不可能的,因为这几乎肯定会导致成本函数的增加,梯度下降算法不会让模型朝这个方向发展。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:《python深度学习》笔记—5、CNN的多个卷积核为什么能提取到不同的特征 - Python技术站