Padding, stride, dan pooling
Kenapa ini penting Setiap keputusan desain CNN mengubah ukuran feature maps. Jika kamu bisa menghitung ukurannya di kepala, kamu bisa membaca dan mendesain CNN apa pun.
- Padding p: tambahkan p baris dan kolom nol di sekitar gambar supaya filter bisa berada di pinggir. Dengan p = (k - 1) / 2 hasil akhirnya tetap berukuran sama dengan input ("same" padding).
- Stride s: gerakkan filter s sebanyak pixels sekali jalan. Stride 2 kira-kira membagi dua ukurannya.
- Pooling: perkecil map dengan menyimpan yang terbesar (max pool) atau rata-rata dari setiap blok 2x2.
Satu rumus
out = (n + 2p - k) // s + 1. Cek: n = 8, k = 3, p = 1, s = 1 menghasilkan 8. Dengan s = 2 hasilnya 4.
Kata dan simbol di pelajaran ini
- filter, peta fitur
- grid bobot kecil yang telah dipelajari; dan citra dari responsnya
- padding (p), stride (s)
- pixel yang ditambahkan di pinggir; berapa banyak pixel yang digeser filter setiap langkahnya
- out = (n + 2p - k) // s + 1
- sisi output untuk sisi input n dan sisi filter k
- pooling
- memperkecil peta dengan menyimpan nilai max atau rata-rata dari setiap blok
Tulis out_size(n, k, p, s), dan maxpool2(img) untuk gambar 2D dengan sisi genap. Lalu prediksi, di predictions, sisi output untuk lima kasus yang ada di starter.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.