我理解卷积核的工作原理及其在神经网络中的功能。然而，我不确定在典型的CNN中，是否需要预定义卷积核，还是由CNN自己“找出”。例如，在构建CNN时，是否只需定义一个5×5的卷积核，如下所示：

kernel = [[ 0,  1, -2,  1,  0]          [ 0,  2, -1,  2,  1]          [ 1,  0,  1,  0,  0]          [-1, -1,  0, -3, -1]          [-3, -2,  0,  1,  1]]

还是只需告诉CNN寻找一个5×5的卷积核，训练后它会找到一个好的5×5卷积核？

回答：

对于CNN来说，卷积核是在优化过程中训练的，因此矩阵中的每个数字都是一个自由参数，根据损失函数对该特定变量的偏导数进行调整。

所以回答

还是只需告诉CNN寻找一个5×5的卷积核，训练后它会找到一个好的5×5卷积核？

你会告诉模型使用给定大小的K个卷积核，具有给定的间隔，可能在多个层中，之后进行其他操作，它会自己找到所有卷积核。