用9*9的卷积核分类9*9的图片

(mnist 0,2)-con(9*9)*n-30*2-(1,0)(0,1)

将mnist的0和2用间隔取点的办法处理成9*9的尺寸，用9*9的卷积核去卷积，这个网络能分类吗？

用一个9*9的卷积核处理9*9的图片，得到的就是一个点。如果能仅用一个9*9的卷积核处理9*9的图片，就表明仅用一个点就可以表达mnist0和2的所有差异。如果可以用两个9*9的卷积核处理9*9的图片就表明可以将mnist的图像尺寸压缩成一个二维的点。所以卷积核的数量的最小值是多少？

 

(mnist 0,2)-1*30*2-(1,0)(0,1)

一个9*9卷积核的网络没有得到收敛数据，似乎并不能收敛。

(mnist 0,2)-2*30*2-(1,0)(0,1)

但用两个9*9的卷积核处理9*9的图片是可以收敛的。

 

得到的数据

	f2[0]	f2[1]	迭代次数n	平均准确率p-ave	δ	耗时ms/次	耗时min/次
1	0.9999411	5.98E-05	253445	0.9597416	6.00E-05	132812	2.2135333
2	0.9999415	5.84E-05	36739	0.9681909	6.00E-05	19254	0.3209
3	0.9999417	5.83E-05	143485	0.9647117	6.00E-05	75505	1.2584167
4	0.9999412	5.87E-05	46353	0.9791252	6.00E-05	24406	0.4067667
5	0.9999404	5.97E-05	36375	0.9796223	6.00E-05	19143	0.31905
6	0.9999414	5.81E-05	93467	0.9786282	6.00E-05	48899	0.8149833
7	0.9999447	5.61E-05	238477	0.9865805	6.00E-05	124663	2.0777167
8	0.9999412	5.92E-05	46399	0.9806163	6.00E-05	24254	0.4042333
9	0.9999466	5.36E-05	67693	0.9771372	6.00E-05	35383	0.5897167
10	5.86E-05	0.9999411	283170	0.9880716	6.00E-05	147929	2.4654833
11	0.9999448	5.55E-05	37695	0.9831014	6.00E-05	19712	0.3285333
12	0.9999405	5.96E-05	11593873	0.9831014	6.00E-05	6053903	100.89838
13	0.9999403	5.93E-05	290945	0.9751491	6.00E-05	151966	2.5327667
14	0.9999456	5.44E-05	36739	0.9662028	6.00E-05	19213	0.3202167
15	0.9999457	5.42E-05	36333	0.9791252	6.00E-05	19008	0.3168
16	0.9999414	5.91E-05	44283	0.971173	6.00E-05	23155	0.3859167
17	0.999947	5.30E-05	56727	0.9756461	6.00E-05	29661	0.49435
18	0.9999414	5.90E-05	67875	0.9776342	6.00E-05	35592	0.5932

 

 这个实验得到了18组有效的数据，也就是收敛了18次。迭代次数的标准差很大。但清晰的表明了一个二维的点足以表达mnist0和2之间所有的差异。将784个点压缩成2个点已经足以完成分类。

因为用一个二维的点就可以实现mnist0和2之间的分类，所以有理由认为mnist0和2是处于第二分类等位面的对象。也就是两个点就可以表达所有差异，其余的所有点都是冗余。