CNN 脑洞：卷积核不用于生成“特征”，而直接作为样本！

CNN 都学了很久了，学懂了吗？不自觉陷入沉思。

 

实验：对 MNIST 28*28 进行卷积核卷成 26*26，用 3 个卷积核 ，卷出 26*26*3，样本数量 20000 个。然后展平，用 BP 计算。展平的含义，26*26 = 676 个特征，样本量由原来的 20000 个变成 60000 个，将 3 个卷积核展平。

 注意，之前 MNIST 用 28*28 = 784 直接展平的时候，迭代 50 轮，准确率可以达到 80%。现在看这种局部特征增加样本的方式。

这次实验显示，迭代到 32 轮时候准确率并没有提升。

 

因此，卷积神经网络，3 个卷积核生成 3 个新“特征”是不能在样本层面展开，即不能如上述拼接。正确做法是 tf.reduce_sum(axis=1) 变成一个特征！

 

商业赋能行业，ShoelessCai.com