Relleno, paso y pooling
Por qué importa Cada decisión de diseño de una CNN cambia el tamaño de los mapas de características. Si sabes calcular los tamaños de cabeza, puedes leer y diseñar cualquier CNN.
- Relleno p: añade p filas y columnas de ceros alrededor de la imagen para que el filtro pueda ponerse en los bordes. Con p = (k - 1) / 2 la salida mantiene el tamaño de la entrada (relleno "same").
- Paso s: mueve el filtro s píxeles cada vez. Un paso de 2 reduce el tamaño más o menos a la mitad.
- Pooling: encoge un mapa quedándote con el mayor (max pool) o con la media de cada bloque de 2 por 2.
La única fórmula
out = (n + 2p - k) // s + 1. Compruébalo: n = 8, k = 3, p = 1, s = 1 da 8. Con s = 2 da 4.
Palabras y símbolos de esta lección
- filtro, mapa de características
- la pequeña cuadrícula de pesos aprendida; y la imagen de sus respuestas
- relleno (p), paso (s)
- los ceros añadidos alrededor del borde; cuántos píxeles se mueve el filtro en cada paso
- out = (n + 2p - k) // s + 1
- el lado de la salida para un lado de entrada n y un lado de filtro k
- pooling
- encoger un mapa quedándote con el máximo o la media de cada bloque
Escribe out_size(n, k, p, s), y maxpool2(img) para una imagen 2D con lados pares. Luego predice, en predictions, el lado de la salida para los cinco casos que aparecen en el código inicial.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.