卷积网络中卷积滤波器数量的意义是什么？

卷积层传送的滤波器数量是多少？
这个数字如何影响架构的性能或质量？我的意思是我们应该总是选择更多数量的过滤器吗？他们有什么好处？人们如何为不同的层分配不同数量的过滤器？我的意思是看这个问题：如何确定CNN中卷积运算符的数量？
答案指定了3个卷积层，它们具有不同数量的过滤器和大小，同样在这个问题中：卷积神经网络中特征图的数量 您可以从图片中看到，第一层有28 * 28 * 6过滤器，第二层conv层有10 * 10 * 16过滤器。他们如何得出这些数字，这是通过反复试验得出的吗？提前致谢

卷积层传送的滤波器数量是多少？-我通常喜欢将过滤器视为特征检测器。尽管它取决于问题域，但是直观上来说，特征检测器的重要性是网络可以潜在学习的特征（例如边，线，对象部分等）的数量。另请注意，每个过滤器都会生成一个特征图。功能图可让您了解图像中的解释性因素，因此＃的过滤器越多，网络学习的内容就越多（不一定一直都很好-饱和度和收敛性最重要）

这个数字如何影响架构的性能或质量？-我认为您不会为这些类型的问题找到一个好的答案，因为我们仍在努力确定DL黑匣子内部的情况。直观地，您将拥有更多的滤波器组，这将是一个更加强大的非线性函数，但是性能将取决于任务的类型和数据特征。您通常想知道要处理哪种数据，以确定体系结构中的＃个参数（包括过滤器）。我需要几个过滤器？更像是询问我的数据集中的图像有多复杂（特别是）。没有任何正式的概念将＃过滤器与性能相关联。所有这些都是实验性的和迭代的。很多跟踪和错误的保证。