有关ML和DL的所有文章均引入了梯度下降法，或者采用逐步方法来最大程度地降低总体损失函数。我以为我理解了这个话题，但是在遇到梯度上升时，我认为我需要进一步澄清。
对于复杂的神经网络程序包（例如Keras），可以利用梯度上升可视化网络中的每个covnet过滤器，其中我们最大化了损失函数（在这种情况下，其对应于图像中过滤器的激活-我也不太确定他们如何将其指定给网络）以生成使该过滤器最大化的输入图像。
因此，相反，使用梯度下降法会为您提供空白图像，而该过滤器没有任何形状特征吗？
在训练CNN识别图像方面，covnet过滤器与梯度下降有何关系？我们正在误删哪些错误？
谢谢