卷积层中的过滤器数量表示什么？- 我通常喜欢将过滤器视为特征检测器。尽管它取决于问题域，但特征检测器的重要性直观地是网络可能学习的特征数量（如边缘、线条、对象部分等）。另请注意，每个过滤器都会生成一个特征图。特征图允许您学习图像中的解释性因素，因此过滤器越多意味着网络学习的越多（不一定一直都很好 - 饱和度和收敛性最重要）

这个数字如何影响架构的性能或质量？- 我认为您不会为这些类型的问题找到一个好的答案，因为我们仍在尝试将 DL 黑匣子内部发生的事情形式化。再次直观地，您将学习更强大的非线性函数，您拥有的滤波器组越多，但性能将取决于任务类型和数据特征。您通常想知道您正在处理哪种数据以确定架构中的#参数（包括过滤器）。我需要多少个过滤器？更像是询问我的数据集中的图像有多复杂（特别是）。没有任何正式的概念将 # 过滤器与性能相关联。它都是实验性的和迭代的。确保有很多跟踪和错误。