看看这篇文章。它提供了一些工具来实际了解您的过滤器已经学到了什么，并展示了您接下来可以做什么来优化您的超参数。还可以查看更多最近的文章，这些文章试图提供对 NN 所学内容的解释。

答案的一个关键在于“即使对于一个特定的卷积层”这个问题。假设单个内核大小最恰当地适用于所有层，那么构建深度卷积网络并不是一个好主意。当仔细阅读在出版物中证明是成功的配置时，很明显，通过它们的层变化的配置通常被发现是最优的。

另一个关键是要了解两层 11x11 内核的范围为 21x21，十层 5x5 内核的范围为 41x41。从一个抽象级别到下一个抽象级别的映射不需要在一层中完成。

存在关于内核大小的通用性，但它们是典型输入特征、网络所需输出、可用计算资源、分辨率、数据集大小以及它们是静止图像还是电影的函数。

关于输入特性，考虑这种情况：图像是在光线不足的情况下拍摄的大景深，例如在安全场景中，因此镜头的光圈大开，导致某些距离范围内的物体超出焦点，否则可能会出现运动模糊。

在这种情况下，单个 3x3 内核将无法检测到许多边缘。如果边缘可能跨越五个像素，则存在关于有多少层专用于其检测的选择。影响该选择的因素取决于输入数据中存在的其他特征。

预计随着加速硬件的发展（在专用于此目的的 VLSI 芯片中），计算资源限制作为内核大小选择的一个因素的优先级将降低。目前，计算时间很长，迫使关于如何平衡层数和层大小的决定主要取决于成本。

这个问题引出了另一个问题。监督机器学习者能否学习如何自动平衡深度卷积网络的配置？然后，只要提供额外的计算资源，就可以重新执行它。如果没有至少十几个实验室正在研究这种能力，那将是令人惊讶的。