Keras Conv2D层的第一个参数怎么理解？

Question

我正在关注专家指南的 TensorFlow 2 快速入门指南，并试图理解创建Conv2D实例的第一个论点。

filters: Integer, the dimensionality of the output space
    (i.e. the number of output filters in the convolution).

由于指南对batch大小和filters使用相同的32 ，选择32是否有特定原因，这两个参数是否应该始终相互匹配？

相关代码：

train_ds = tf.data.Dataset.from_tensor_slices(
    (x_train, y_train)).shuffle(10000).batch(32)

…………

self.conv1 = Conv2D(32, 3, activation='relu')

Answer 1

什么是神经网络中的批量大小？
CNN中的过滤器数量是多少？

摘要：
批量大小定义将通过网络传播的样本数量。

过滤器的数量是神经元的数量，因为每个神经元对层的输入执行不同的卷积（更准确地说，神经元的输入权重形成卷积核）。

因此，这些参数不必相同。

Answer 2

一般来说，人们倾向于对神经网络中的不同超参数使用 2 的幂。 没有明确证明它更有效，但有一些思想流派指出它是最有效的方法。 就过滤器的数量而言，过滤器旨在检测特征。 如果添加更多过滤器，它应该能够捕获更复杂的特征，无论是视觉的还是物理的。 增加每一层中过滤器数量的缺点是增加了与之相关的参数。 这会使您的 model 占用更多的 memory，并且由于要更新的参数更多，因此训练需要更长的时间。