एक unit image का कितना हिस्सा देखती है
यह क्यों मायने रखता है एक CNN में गहरी एक unit बस वही पहचान सकती है जो image के उस टुकड़े में समाए जो वह देख सकती है। वह टुकड़ा आकार जानना आपको बताता है कि एक network क्या देख सकता है और क्या नहीं।
इसे देखें
animation चलाएँ। layer 1 की एक unit 3 गुणा 3 pixels देखती है। layer 2 की एक unit 3 गुणा 3 layer-1 units देखती है, और उनमें से हर एक 3 गुणा 3 pixels देखती है, overlap होते हुए: कुल 5 गुणा 5। हर 3 गुणा 3 layer 2 जोड़ती है। 2 का stride दोगुना करता है कि हर बाद की layer कितना जोड़ती है, इसीलिए strides और pooling गहरी units को दूर देखने देते हैं।
नियम
r, jump = 1, 1
for k, s in layers:
r += (k - 1) * jump
jump *= s
तीन 3 गुणा 3 layers, stride 1: r = 1 + 2 + 2 + 2 = 7।
Receptive field: input का वह टुकड़ा जो एक unit को प्रभावित कर सकता है।
इस पाठ के शब्द और चिह्न
- padding (p), stride (s)
- किनारे के आस-पास जोड़े शून्य; filter हर step कितने pixels हिलता है
- pooling
- हर block का max या औसत रखकर एक map सिकोड़ना
- receptive field
- input का वह हिस्सा जो एक unit को प्रभावित कर सकता है
receptive_field(layers) लिखें, जहाँ layers (kernel, stride) जोड़ों की एक सूची है, पहली layer पहले।
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।