内核大小是什么意思？

当人们谈论神经网络时，说“内核大小”是什么意思？内核是相似性函数，但是这对内核大小有何影响？

深度神经网络，更具体地说是卷积神经网络（CNN），基本上是一层堆栈，这些堆栈是由输入上的多个过滤器的作用定义的。这些过滤器通常称为内核。

例如，卷积层中的内核就是卷积滤波器。实际上不执行卷积运算，而是互相关。这里的内核大小是指过滤器蒙版的宽度x高。

例如，最大池化层从蒙版（内核）内的一组像素中返回具有最大值的像素。该内核被扫过输入，对其进行二次采样。

因此，与支持向量机或正则化网络中内核的概念无关。您可以将它们视为特征提取器。

如上所示，内核（也称为内核矩阵）是介于两者之间的函数，其大小在此处为3，即内核大小（其中内核宽度等于内核高度）。

注意内核不一定是对称的，我们可以通过引用Tensorflow中Conv2D的文档中的文本来验证这一点：

kernel_size：2个整数的整数或元组/列表，指定2D卷积窗口的高度和宽度。可以是单个整数，以为所有空间尺寸指定相同的值。

但通常情况下，我们只是使宽度和高度相等，否则，内核大小应为2的元组。例如，在Conv1D中，内核可以是非对称的（请参见本示例，内核大小可以大于2个数字，例如下面的示例Conv3D中的（4，4，3）：

很棒的gif图像来自这里和这里。