CNN 训练如何在此图像中进行？
How does CNN training take place in this image?
看完以下精彩视频后：https://www.youtube.com/watch?v=LxfUGhug-iQ我对过滤器的应用方式、不同 CNN 的架构等有了很好的理解。我还看了一些其他视频并阅读了论文，但我仍然很紧张有几个问题希望有人能帮助我更好地理解这一点。
我们学习了在图像上滑动滤镜的不同方法。现在，这个获取点积的过程是用于训练 CNN 还是用于识别已经训练好的过滤器。或者同时用于训练和识别。
在上图中，那些过滤器是否经过训练？我知道白色代表过滤器的激活，但最后一列对我来说应该有什么指示吗？
如果有如图所示的 5 个结果，是 一些过滤器（行）专门用于检测图像的某些属性。 （例如，第二个过滤器寻找轮胎，第三个过滤器寻找前灯，第四个过滤器寻找蹄子）。因此，例如上图有轮胎和前灯，所以这两个过滤器被强烈映射？
所以，回答你的问题：
- 点积用于训练和识别阶段。点积计算是每次使用卷积网络时的核心操作 - 计算网络的内部值和最终值是必不可少的。
- 此图像表示在使用图像的一组部分或先前层的输出计算点积后不同过滤器的激活。它们被转换为灰度图像并打印出来以显示每个过滤器在训练阶段后的用途。请注意，在每一层之后，图像的分辨率都低于前一层，并且更难理解它们可能编码的内容。它们只是显示每个过滤器在何处被激活 - 这取决于我们对什么可能激活它们的解释。
- 在这张图片中，您可能会看到网络末端的 FC 层。这意味着在卷积阶段之后，计算是在完全连接的层中进行的，这些层被用来学习和识别过滤器中的某些模式，这有助于 class 化阶段。最好将这部分视为专家，他正在查看激活了哪种过滤器（以及在何处激活）并正在就图像的 class 做出决定。
看完以下精彩视频后：https://www.youtube.com/watch?v=LxfUGhug-iQ我对过滤器的应用方式、不同 CNN 的架构等有了很好的理解。我还看了一些其他视频并阅读了论文，但我仍然很紧张有几个问题希望有人能帮助我更好地理解这一点。
我们学习了在图像上滑动滤镜的不同方法。现在，这个获取点积的过程是用于训练 CNN 还是用于识别已经训练好的过滤器。或者同时用于训练和识别。
在上图中，那些过滤器是否经过训练？我知道白色代表过滤器的激活，但最后一列对我来说应该有什么指示吗？
如果有如图所示的 5 个结果，是 一些过滤器（行）专门用于检测图像的某些属性。 （例如，第二个过滤器寻找轮胎，第三个过滤器寻找前灯，第四个过滤器寻找蹄子）。因此，例如上图有轮胎和前灯，所以这两个过滤器被强烈映射？
所以，回答你的问题：
- 点积用于训练和识别阶段。点积计算是每次使用卷积网络时的核心操作 - 计算网络的内部值和最终值是必不可少的。
- 此图像表示在使用图像的一组部分或先前层的输出计算点积后不同过滤器的激活。它们被转换为灰度图像并打印出来以显示每个过滤器在训练阶段后的用途。请注意，在每一层之后，图像的分辨率都低于前一层，并且更难理解它们可能编码的内容。它们只是显示每个过滤器在何处被激活 - 这取决于我们对什么可能激活它们的解释。
- 在这张图片中，您可能会看到网络末端的 FC 层。这意味着在卷积阶段之后，计算是在完全连接的层中进行的，这些层被用来学习和识别过滤器中的某些模式，这有助于 class 化阶段。最好将这部分视为专家，他正在查看激活了哪种过滤器（以及在何处激活）并正在就图像的 class 做出决定。