tensorflow - 较大数量的过滤器比 conv2D 层中较少数量的过滤器性能更差

Question

我有一堆 2D 图像，我正在对它们执行卷积。我正在尝试卷积层中的过滤器数量，我发现增加过滤器时训练会恶化。例如，我的设置如下所示：

1. Conv2D( 8 , (3,3), input_shape = (100, 100, 1)),
2. 展平（）
3. 密集（输出）

为此，假设训练 RMSE 为 0.245。但是，如果我更改 Conv2D( 16 , (3,3), input_shape = (100, 100, 1))，训练 RMSE 会变得更糟，例如达到 0.534。请注意，我保持相同的 random_seed 为什么运行我的实验。

有人可以解释为什么会发生这种情况吗？我有点想，如果我增加通道的数量，模型学习数据的难度就会降低，从而也能更好地预测。

谢谢！

标签： tensorflowkerasconv-neural-network