如何理解Keras Conv2D层的第一个参数？

Question

我正在遵循TensorFlow 2 quickstart for experts指南，并试图理解创建Conv2D实例的第一个参数

filters: Integer, the dimensionality of the output space
    (i.e. the number of output filters in the convolution).

由于本指南对batch大小和filters使用相同的32，是否有特定的原因选择32，并且这两个参数是否应始终相互匹配

相关代码：

train_ds = tf.data.Dataset.from_tensor_slices(
    (x_train, y_train)).shuffle(10000).batch(32)

self.conv1 = Conv2D(32, 3, activation='relu')

Answer 1

一般来说，人们倾向于对神经网络中的不同超参数使用2的幂。没有确切的证据证明它更有效，但有一些学派认为它是最有效的方法。就过滤器的数量而言，过滤器用于检测特征。如果您添加更多的过滤器，它应该能够捕获更复杂的功能，无论它们是视觉的还是物理的。增加每层过滤器数量的缺点是增加了与之相关的参数。这会使您的模型占用更多内存，并且由于需要更新的参数更多，因此训练时间也更长

Answer 2

What is batch size in neural network?
What is the number of filter in CNN?

摘要：
批量大小定义将通过网络传播的样本数

过滤器的数量是神经元的数量，因为每个神经元对层的输入执行不同的卷积（更准确地说，神经元的输入权重形成卷积核）

因此，这些参数不必相同