Kurrikulum Leson 114 van 246 · Module 10: Netwerke wat sien (CNNs)
Module 10: Netwerke wat sien (CNNs)

Hoeveel van die beeld een eenheid sien

Waarom dit saak maak 'n eenheid diep in 'n CNN kan net iets herken wat binne die gedeelte van die beeld pas wat dit kan sien. Om daardie gedeeltegrootte te ken, vertel jou wat 'n netwerk kan en nie kan opmerk nie.

Sien dit

Speel die animasi af. Een eenheid in laag 1 sien 3 by 3 pixels. 'n Eenheid in laag 2 sien 3 by 3 laag-1 eenhede, en elk van daardie eenhede sien 3 by 3 pixels, wat oorvleek: saam is dit 5 by 5. Elke 3 by 3 laag voeg 2 by. 'n Stride van 2 verdubbel hoeveel elke latere laag byvoeg, dit is waarom strides en pooling diep eenhede laat ver sien.

Die reël

r, jump = 1, 1
for k, s in layers:
    r += (k - 1) * jump
    jump *= s

Drie 3 by 3 lae, stride 1: r = 1 + 2 + 2 + 2 = 7.

Receptive field: die gedeelte van die input wat een eenheid kan beïnvloed.

Woorde en simbole in hierdie les
padding (p), stride (s)
zeros by die rand bygevoeg; hoeveel pixels skuif die filter elke stap
pooling
verklein 'n kaart deur die maksimum of gemiddelde van elke blok te behou
receptive field
die gedeelte van die input wat een eenheid kan beïnvloed
Jou beurt

Skryf receptive_field(layers), waar layers 'n lys van (kernel, stride) pare is, eerste laag eerste.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.