Temario Lección 111 de 246 · Módulo 10: Redes que ven (CNN)
Módulo 10: Redes que ven (CNN)

Por qué las imágenes rompen los MLP

Por qué importa Tu lector de dígitos del Módulo 3 puntuaba más o menos un 95%, y el un poco más grande de esta lección puntúa más o menos un 98%. Mueve cada dígito un píxel a la derecha y se hunde. Ver por qué es toda la razón de que existan las redes convolucionales.

Un MLP le da a cada píxel su propio peso. Aprende "un píxel brillante en la fila 3, columna 5 significa un 7". Desplaza el dígito un píxel y cada píxel brillante cae sobre un peso que aprendió otra cosa. Para el MLP, un 7 desplazado es una imagen totalmente nueva.

Lo que queremos es una red que reconozca un patrón allí donde aparezca. Guarda esa idea; la próxima lección construye la herramienta.

Invariancia a la traslación: dar la misma respuesta cuando la entrada se mueve. Los MLP no la tienen; las CNN casi siempre sí.

Palabras y símbolos de esta lección
convolución
deslizar una pequeña cuadrícula de pesos (un filtro) por una imagen, un producto escalar por posición
filtro, mapa de características
la pequeña cuadrícula de pesos aprendida; y la imagen de sus respuestas
Tu turno

Las imágenes de dígitos llegan como un array de forma (N, 8, 8, 1): N imágenes, 8 filas, 8 columnas y 1 canal al final (nivel de gris de 0 a 1). Esta disposición con los canales al final se usa para todas las imágenes de este módulo. Escribe shift(X, dx) que mueva cada imagen dx píxeles a la derecha (usa np.roll a lo largo del eje de las columnas). Luego rellena acc con la exactitud de prueba del MLP entrenado con desplazamientos de 0, 1 y 2.

¿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.