شبكة U-Net صغيرة
لماذا هذا مهم بالنسبة للصور، فإن متنبئ الضوضاء في نماذج الانتشار الحقيقية هو U-Net: يقوم بضغط الصورة لرؤية الأشكال الكبيرة، ثم يعيد تكبيرها إلى الحجم الكامل، مع مسارات مختصرة تنقل التفاصيل الدقيقة. أنت تعرف كل قطعة بالفعل.
A U-Net لصور 8 x 8 بقناة واحدة:
- Down: تحويل conv بمقاس 3 x 3 إلى 16 قناة، ReLU. احتفظ بهذا كـ
skip(8 x 8 x 16). ثم average pool بمقاس 2 x 2 إلى 4 x 4. - Middle: تحويل conv بمقاس 3 x 3 إلى 32 قناة، ReLU (4 x 4 x 32): كل وحدة ترى الآن منطقة واسعة.
- Up: قم بعمل upsample إلى 8 x 8، ثم ادمجها مع
skipعلى طول القنوات (E.concat): 8 x 8 x 48. - 3 x 3 conv إلى 16 channel، ثم ReLU، ثم 3 x 3 conv إلى channel واحدة: الضجيج المتوقع، بنفس حجم المدخلات.
اتصال التخطي هو الفكرة الأساسية لـ U-Net: مسار التنزيل يتخلص من التفاصيل لرؤية الشكل، واتصال التخطي يمرر تلك التفاصيل مباشرة إلى مسار التوليد. بدون هذا الاتصال، تكون المخرجات غير واضحة.
لا يوجد تدريب هنا: أنت تبنيه وتثبت أنه متصل بشكل صحيح، باستخدام الأشكال وفحص التدرج، بنفس الطريقة التي فحصت بها الطبقات في Module 4.
الكلمات والرموز في هذا الدرس
- نموذج الانتشار شبكة
- مدربة لإزالة الضجيج تدريجيا؛ تعمل بشكل عكسي من الضجيج الصافي، وهي تولد
- U-Net
- شبكة تقلص صورة لرؤية الأشكال، ثم تعيد تكبيرها، وتمرر التفاصيل عبر skip connections
اكتب unet(x, P) لـ x و E.T بشكل (n, 8, 8, 1)، مع الأوزان في P كما أعدها البادئ. ثم تحقق من تدرج واحد عن طريق النكز: اضبط max_gap على أكبر فرق بين backprop والنكز عبر أول 5 أرقام من P['up2'][0]. المحرك يعمل بـ float32، لذا انكز بـ h = 1e-3 أو أكثر: مع 1e-4 يضيع التغير في loss بسبب التقريب ويبدو التدرج الصحيح خاطئا.
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.