卷积神经网络中的卷积核是学习得来，还是预定义好的

这个你可以去找tflearn的源代码，看一遍就理解了。

网址：https://github.com/tflearn/tflearn/

里边有一个kernel函数“conv_2d”是这么声明的：

def conv_2d(incoming, nb_filter, filter_size, strides=1, padding='same',

activation='linear', bias=True, weights_init='uniform_scaling',

bias_init='zeros', regularizer=None, weight_decay=0.001,

   trainable=True, restore=True, reuse=False, scope=None,

name="Conv2D"):

这里面有一个输入是weights_init，也就是filter（卷积值）的初始化，而且有默认值。这就是说当你做卷积的时候是一定会给卷积核一个初始值的。

这其中还有一个叫trainable的输入，它是一个bool值，决定了权值矩阵（即filters，也就是卷积核）可不可以被训练。默认是true，也就是可以训练。

从这里可以看出，对于不同的CNN模型，卷积核训练不训练是可以选择的，你可以训练改变它，也可以一直都用初始值而不去训练它。但是一般情况下都是要训练的。