Konvolution von Hand
Warum das wichtig ist Ein kleiner Satz von Gewichten, der über das ganze Bild gleitet, findet dasselbe Muster überall. Diese eine Idee behebt das, was du gerade kaputtgehen gesehen hast.
Sieh es dir an
Spiele die Animation ab. Ein 3 mal 3 Raster von Gewichten, der filter, sitzt in der oberen linken Ecke des Bildes. Multipliziere jeden der 9 Pixel darunter mit dem Gewicht darüber und addiere sie: das ist eine Ausgangszahl. Schiebe es einen Schritt nach rechts und mache es erneut. Wenn der filter jede Position besucht hat, bilden die Ausgaben ein neues, etwas kleineres Bild namens feature map.
Kleine Zahlen
Der Filter [[-1, 0, 1]] * 3 rows reagiert auf Helligkeitsänderungen von links nach rechts: Auf einem Fleck, der links dunkel und rechts hell ist, gibt er eine große positive Zahl aus; auf einem flachen Fleck gibt er 0 aus. Er ist ein Kantendetektor, und in einem CNN werden solche Filter learned, nicht von Hand geschrieben.
Filter (kernel): das kleine Gitter von Gewichten. Valid convolution: nur Positionen, an denen der Filter vollständig in das Bild passt, also geben ein n mal n Bild und ein k mal k Filter (n - k + 1) mal (n - k + 1) zurück.
Wörter und Symbole in dieser Lektion
- convolution
- Verschiebe ein kleines Gitter von Gewichten (einen Filter) über ein Bild, ein Skalarprodukt pro Position
- filter, Feature-Map
- das kleine gelernte Gitter von Gewichten; und das Bild seiner Antworten
Schreibe conv2d(img, k): gültige Faltung (die Deep Learning Art, die den Filter nicht spiegelt) eines 2D Bildes mit einem 2D Filter, unter Verwendung von Schleifen über die Ausgabepositionen.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.