तेज़ convolution: एक बड़ा matrix गुणा (im2col)
यह क्यों मायने रखता है आपका loop convolution हर output pixel पर Python में जाता है, जो धीमा है। असली libraries पूरे convolution को एक matrix गुणा में बदलती हैं, वह operation जिसमें computers सबसे अच्छे हैं।
इसे देखें
animation चलाएँ। हर k गुणा k टुकड़ा काटें जिस पर filter जाएगा और हर एक को एक row के रूप में चपटा बिछाएँ: वह im2col ("image to columns") है। filter को एक column के रूप में चपटा बिछाएँ। अब एक matrix गुणा, rows गुणा column, हर output एक साथ निकालता है। कई filters के साथ, column एक matrix बन जाता है और फिर भी एक गुणा सब करता है।
लागत: टुकड़े overlap करते हैं, इसलिए टुकड़ा matrix pixels दोहराता है और ज़्यादा memory लेता है। memory के बदले गति एक सौदा है जिससे आप बार-बार मिलेंगे।
इस पाठ के शब्द और चिह्न
- convolution
- weights का एक छोटा grid (एक filter) एक image पर सरकाना, हर स्थिति पर एक dot product
- filter, feature map
- weights का छोटा सीखा grid; और उसकी प्रतिक्रियाओं की image
- im2col
- हर टुकड़े को एक row के रूप में चपटा बिछाना ताकि एक convolution एक matrix गुणा बने
row-दर-row क्रम में चपटे टुकड़ों का एक (स्थितियों की संख्या, k*k) matrix लौटाने वाला im2col(img, k), और एक matrix गुणा से valid convolution निकालने वाला conv_fast(img, filt) लिखें। आप k गुणा k offsets पर loop कर सकते हैं, पर output pixels पर नहीं।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।