我们如何在卷积神经网络中获得/定义滤波器？

Question

如何实现深度自动编码器（我如何从卷积神经网络（CNN）获得滤波器？我的想法是这样的：输入图像的随机图像（28x28）并获得随机补丁（8x8）。然后使用自动编码器学习补丁的常见功能（特征=隐藏单位;例如大约100）。然后将特征滤镜应用于输入图像并进行卷积。我是否正确？

我感到很困惑，因为有时候文献只会使用例如8，过滤器，但在我的情况下，我有100..g。 2层或3层）？任何想法或资源？

Answer 1

您可以按照教程：http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

这就像关于自动编码器的讲座和关于CNN（卷积和汇集）的一些简单的东西。完成本教程后，您将获得自动编码器实现和堆叠自动编码器，您可以使用深度自动编码器实现。

本教程将完全符合您的要求：

• 28x28 MNIST图像

• 使用自动编码器获取8x8补丁和学习过滤器

• 通过这些8x8过滤器对这些图像进行卷积

• 汇集它们

• 使用合并的矢量/图像并将它们放入soft-max分类器中以学习10种不同类别的MNIST数据库。