المنهج الدراسي الدرس 112 من 246 · الوحدة 10: الشبكات التي ترى (CNNs)
الوحدة 10: الشبكات التي ترى (CNNs)

الالتفاف يدويا

لماذا هذا مهم مجموعة واحدة صغيرة من الأوزان، تتحرك عبر الصورة كاملة، تجد النمط نفسه في كل مكان. تلك الفكرة الواحدة تصلح ما رأيته للتو يتعطل.

شاهده

قم بتشغيل الرسوم المتحركة. توجد شبكة أوزان بمقاس 3 في 3، وهي filter، في الزاوية العلوية اليسرى من الصورة. اضرب كل بكسل من البكسلات التسعة الموجودة تحتها في الوزن الموجود فوقها واجمعها: هذا هو رقم مخرج واحد. اسحبها خطوة واحدة لليمين وكرر العملية. عندما يزور filter كل موضع، تشكل المخرجات صورة جديدة أصغر قليلاً تسمى feature map.

أرقام صغيرة

يستجيب المرشح [[-1, 0, 1]] * 3 rows لتغيرات السطوع من اليسار إلى اليمين: على بقعة داكنة من اليسار ومضيئة من اليمين يعطي رقماً موجباً كبيراً؛ على بقعة مسطحة يعطي 0. إنه كاشف للحواف، وفي CNN مثل هذه المرشحات learned، وليست مكتوبة يدوياً.

Filter (kernel): شبكة الأوزان الصغيرة. Valid convolution: فقط المواقع التي يتناسب فيها الفلتر بالكامل داخل الصورة، لذا فإن صورة بحجم n في n وفلتر بحجم k في k تعطي (n - k + 1) في (n - k + 1).

الكلمات والرموز في هذا الدرس
convolution
تحريك شبكة صغيرة من الأوزان (مرشح) عبر صورة، عملية ضرب نقطي واحدة لكل موضع
filter، خريطة الميزات
شبكة الأوزان الصغيرة المتعلمة؛ وصورة استجاباتها
دورك

اكتب conv2d(img, k): عملية convolution صحيحة (نوع التعلم العميق، الذي لا يقلب المرشح) لصورة ثنائية الأبعاد مع مرشح ثنائي الأبعاد، باستخدام حلقات تكرارية على مواقع المخرجات.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.