我对机器学习还比较陌生，在浏览互联网几天后了解它的实际运行方式后，我有几个问题，尤其是关于如何定位某些功能的问题。
据我所知，卷积层可以从输入图像中提取特征。机器根据激活和内核大小等来寻找最佳内核。即它会为该层学习最佳内核。然后输出用于下一层的功能部件。
但是，如果我要专门针对某个功能怎么办？例如，我知道我的两种图像分类的平均像素强度会大大不同。如何告诉CNN查找像素强度？并基于此优化神经元的重量？
任何帮助将不胜感激，谢谢您的宝贵时间。
编辑：原来我对机器学习深有误解。下面的答案很好地解释了我的困惑。
答案 0 :(得分：1)
您基本上是正确的，但我认为您的用语有些偏离。 conv层尝试学习最佳内核，但对其进行训练的数据集。如果您有2个不同的数据集和相同的conv层，则训练后的内核将有所不同，每个被“训练为最佳”的数据。
现在，您不能像这样明确选择功能。那就是神经网络的美。您必须让NN弄清楚它将如何表示特征和知识以及它将选择哪些特征。您可以做的是以另一种方式预处理数据集和/或使内核适应任务。因此，例如，如果图像具有更密集的像素，则可以在每个步骤中选择较大的内核以覆盖图像的相同区域。现在，我对像素强度了解不多，但是我敢肯定，NN会在没有您特定要求的情况下自行拾取它。这是在将图像输入到NN之前处理图像的方式。您应该始终对训练中的数据进行标准化（平均化或标准化），以实现最大的准确性。看一下batch normalization
的概念