卷积神经网络参数：filters 和 kernel_size

• filters 参数通常指的是卷积核（也称为滤波器）的数量。

这个参数决定了在卷积层中有多少个不同的卷积核会对输入数据进行卷积操作。每个卷积核都会在输入数据上滑动，执行卷积运算，并生成一个对应的特征图（feature map）。因此，filters 参数控制着网络能够提取的特征种类的数量。

• kernel_size 参数指的是每个卷积核的大小。

在二维卷积中，它通常表示为一个二元组（如 (3, 3) 或 (5, 5)），分别代表卷积核的高度和宽度。kernel_size 决定了卷积核在空间上的覆盖范围，也即卷积操作的感受野大小。较大的卷积核可以捕获更大范围的空间信息，而较小的卷积核则更注重局部细节。