Qual è il significato del numero di filtri di convoluzione in una rete convoluzionale?

Cosa trasmette il numero di filtri in uno strato di convoluzione?
In che modo questo numero influisce sulle prestazioni o sulla qualità dell'architettura? Voglio dire dovremmo sempre optare per un numero maggiore di filtri? cosa c'è di buono in loro? e in che modo le persone assegnano un numero diverso di filtri per diversi livelli? Voglio dire guardando questa domanda: come determinare il numero di operatori convoluzionali nella CNN?
La risposta specificava 3 livelli di convoluzione con diversi numeri di filtri e dimensioni, sempre in questa domanda: numero di mappe caratteristiche in reti neurali convoluzionali dall'immagine puoi vedere che abbiamo 28 * 28 * 6 filtri per il primo strato e 10 * 10 * 16 filtri per il secondo strato conv. Come ottengono questi numeri, è attraverso prove ed errori? Grazie in anticipo

Cosa trasmette il numero di filtri in uno strato di convoluzione? - Di solito mi piace pensare ai filtri come rilevatori di funzionalità. Sebbene dipenda dal dominio del problema, il significato # dei rilevatori di funzioni in modo intuitivo è il numero di funzioni (come bordi, linee, parti di oggetti ecc ...) che la rete può potenzialmente apprendere. Si noti inoltre che ogni filtro genera una mappa delle caratteristiche. Le mappe delle caratteristiche ti consentono di apprendere i fattori esplicativi all'interno dell'immagine, quindi più # filtri significa più la rete impara (non necessariamente sempre buona - saturazione e convergenza contano di più)

In che modo questo numero influisce sulle prestazioni o sulla qualità dell'architettura? - Non credo che troverai una buona risposta per questo tipo di domande, poiché stiamo ancora cercando di formalizzare ciò che sta accadendo all'interno della scatola nera di DL. Intuitivamente ancora una volta imparerai una funzione non lineare più robusta, maggiore sarà il numero di banchi filtro che hai, tuttavia le prestazioni dipenderanno dal tipo di attività e dalle caratteristiche dei dati. In genere si desidera sapere con che tipo di dati si sta trattando per determinare i parametri # nella propria architettura (incluso il filtro). Di quanti filtri ho bisogno? è più come chiedere quanto siano complesse (specialmente) le immagini nel mio set di dati. Non esiste alcuna nozione formale che colleghi i filtri # alle prestazioni. È tutto sperimentale e iterativo. Molta scia di errori ed errori.