Kurrikulum Leson 111 van 246 · Module 10: Netwerke wat sien (CNNs)
Module 10: Netwerke wat sien (CNNs)

Waarom beelde MLPs breek

Hoekom dit saak maak Jou syferleser van Module 3 het ongeveer 95% gekry, en die effens groter een in hierdie les kry ongeveer 98%. Verskuif elke syfer een pixel na regs en dit stort ineen. Om te sien waarom is die hele rede waarom konwolusionele netwerke bestaan.

'n MLP gee elke pixel sy eie gewig. Dit leer " 'n helder pixel by ry 3, kolom 5 beteken 'n 7". Verskuif die syfer een pixel en land elke helder pixel op 'n gewig wat iets anders geleer het. Vir die MLP is 'n verskuifde 7 'n splinternuwe prentjie.

Wat ons wil hê is 'n netwerk wat 'n patroon herken waar ook al dit verskyn. Hou daardie gedagte vas; die volgende les bou die hulpmiddel.

Vertaling-onveranderlikheid: om dieselfde antwoord te gee wanneer die insetdata skuif. MLPs het dit nie; CNNs het dit meestal.

Woorde en simbole in hierdie les
convolution
skuif 'n klein rooster van gewigte ( 'n filter) oor 'n beeld, een dot product per posisie
filter, kenmerkkaart
die klein geleerde rooster van gewigte; en die beeld van sy reaksies
Jou beurt

Die syferbeelde kom as 'n array van vorm (N, 8, 8, 1): N beelde, 8 rye, 8 kolomme en 1 kanaal laaste (gryslewe van 0 tot 1). Hierdie kanaal-laaste uitleg word vir elke beeld in hierdie module gebruik. Skryf shift(X, dx) wat elke beeld dx pixels na regs skuif (gebruik np.roll langs die kolomas). Vul dan acc met die getoets akkuraatheid van die getoëe MLP by verskuiwings 0, 1 en 2.

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.