العودة للأعلى: upsampling و transposed convolution
لماذا هذا مهم يجب على Generators (Modules 15 to 17, in Part 2 of the course) تحويل خريطة ميزات صغيرة إلى صورة كاملة. هناك طريقتان لتكبير الخريطة، وتترك إحداهما أثراً مشهوراً على شكل لوحة شطرنج.
- أقرب عملية زيادة عينات: انسخ كل بكسل إلى كتلة بحجم 2 في 2، ثم طبق عملية convolution عادية. سلسة وبسيطة.
- الالتفاف المنقول بخطوة 2: كل بكسل مدخل يضع بصمة الفلتر على المخرجات، بتباعد بكسلين. حيث تتداخل البصمات، تُجمع المساهمات. مع فلتر بعرض 3 وخطوة 2، تحصل بعض بكسلات المخرجات على بصمتين وجيرانها على بصمة واحدة: نمط غير متساوٍ يظهر كلوحة شطرنج.
أرقام صغيرة
أدخل [1, 1, 1]، وقم بتصفية [1, 1, 1]، وبخطوة 2: تبدأ الأختام عند 0 و 2 و 4، مما يعطي [1, 1, 2, 1, 2, 1, 1]. دخل مدخل مسطح وخرج متعرجاً.
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
- حشوة (p)، خطوة (s)
- أُضيفت أصفار حول الحافة؛ كم بكسل يتحرك المرشح في كل خطوة
- الالتفاف العكسي
- ختم مرشح على مخرج أكبر؛ يمكن أن يترك نمط رقعة الشطرنج
اكتب upsample2(x) لمصفوفة أحادية البعد (كل قيمة مرتين) و tconv1d(x, w, stride) (ختم x[i] * w بدءا من i * stride؛ طول المخرجات (len(x) - 1) * stride + len(w)). ثم اضبط checkerboard إلى tconv1d(np.ones(6), np.ones(3), 2).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.