在这张图片中： enter link description here http://parse.ele.tue.nl/cluster/2/CNNArchitecture.jpg
输入为32x32，C1为28x28，内核大小为"Convolutional"层和池层分别为5x5和2x2。
但为什么5x5不是其他数字，也就是我们如何决定内核大小？
答案 0 :(得分：3)
在问为什么kernel_size为5时，为什么不问为什么num_output（隐藏神经元的数量）是4？
内核大小，如层数，隐藏变量的数量以及选择哪种池方法都是神经网络设计选择的一部分。提升这些价值观是“黑暗艺术”的一部分。设计新体系结构时，通常涉及跟踪错误和冗长的培训过程。
根据经验，内核越大，网络的列车/测试时间越慢。另一方面，大内核使您能够学习更复杂的模板，从而使网络具有更强的表达能力。您可以根据自己的模型来确定您希望在此运行时间与表现力之间的位置。
