决定卷积层和池化层的核大小有什么标准吗？

Question

在这张照片中：
_{（来源：ele.tue.nl）}

输入为 32x32，C1 为 28x28，"Convolutional" 层和池化层的内核大小分别为 5x5 和 2x2。
但是为什么是5x5而不是其他数字，也就是说，我们如何决定内核大小？

Answer 1

一边问为什么kernel_size是5，为什么不问为什么num_output（隐藏神经元的数量）是4？

内核大小，如层数、隐藏变量的数量以及何时选择什么池化方法都是神经网络设计选择的一部分。获取这些值是 "dark art" 设计新架构的一部分，它通常涉及反复试验和冗长的训练过程。

根据经验，内核越大，网络的 train/test 时间越慢。另一方面，大内核使您能够学习更复杂的模板，从而使网络具有更强的表达能力。由您来决定在这个 运行 时间与您的模型的表达能力之间的差距。