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
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.
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.