卷积运算的结果是每个内核生成多个数据子集。例如，如果将5个内核应用于尺寸为WxDx1（1通道）的图像，则将5个卷积应用于数据，从而生成5维图像表示。 WxDx1变为W'xD'x5，其中W'和D'的尺寸小于W * D
每个内核初始化为不同的值是否会阻止每个内核学习相同的参数？是否不能阻止每个内核学习相同的参数？
如果图像是RGB而不是灰度，那么尺寸WxDx3而不是WxDx1是否会影响内核学习模式的方式？
答案 0 :(得分：1)
正如您已经提到的，不同的 内核学习的唯一事实是由于开始时权重的随机初始化。
here提供了很好的解释，也适用于CNN中的卷积内核。
我认为这足够鲜明，因此不能将其突出显示为重复项，但从本质上讲，它的作用相同。