Lehrplan Lektion 116 von 246 · Modul 10: Netzwerke, die sehen (CNNs)
Modul 10: Netzwerke, die sehen (CNNs)

Schnelle Faltung: eine große Matrixmultiplikation (im2col)

Warum das wichtig ist Deine loop Konvolution besucht jedes Ausgabepixel in Python, was langsam ist. Echte Bibliotheken verwandeln die ganze Konvolution in eine Matrix-Multiplikation, die Operation, die Computer am besten können.

Sieh es dir an

Spiele die Animation ab. Schneide jeden k mal k Patch aus, den der Filter besuchen würde, und lege jeden flach als Zeile: das ist im2col ("image to columns"). Lege den Filter flach als Spalte. Jetzt berechnet eine Matrixmultiplikation, Zeilen mal Spalte, jeden Output auf einmal. Mit vielen Filtern wird die Spalte zu einer Matrix und immer noch erledigt eine Multiplikation alles.

Die Kosten: die Patches überlappen sich, also wiederholt die Patch-Matrix Pixel und verbraucht mehr Speicher. Geschwindigkeit gegen Speicher ist ein Kompromiss, dem du immer wieder begegnen wirst.

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
im2col
Lege jeden Patch flach als eine Reihe, damit eine Convolution zu einer Matrixmultiplikation wird
Du bist dran

Schreibe im2col(img, k) und gib eine (Anzahl der Positionen, k*k) Matrix von abgeflachten Patches in Zeilenreihenfolge zurück, und conv_fast(img, filt) berechne die gültige Faltung mit einer Matrixmultiplikation. Du darfst über die k mal k Offsets iterieren, aber nicht über die Ausgabepixel.

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.