Silabus Pelajaran 111 dari 246 · Modul 10: Jaringan yang bisa melihat (CNNs)
Modul 10: Jaringan yang bisa melihat (CNNs)

Kenapa gambar merusak MLP

Kenapa ini penting Pembaca digit kamu dari Modul 3 mendapat skor sekitar 95%, dan yang sedikit lebih besar di pelajaran ini mendapat skor sekitar 98%. Geser setiap digit satu piksel ke kanan dan itu akan hancur. Melihat alasannya adalah alasan utama mengapa jaringan konvolusional ada.

MLP memberikan bobot sendiri ke setiap piksel. Ia mempelajari "piksel terang di baris 3, kolom 5 berarti angka 7". Geser digitnya satu piksel dan setiap piksel terang akan mendarat di bobot yang mempelajari hal lain. Bagi MLP, angka 7 yang digeser adalah gambar yang benar-benar baru.

Yang kita inginkan adalah jaringan yang mengenali pola di mana pun ia muncul. Ingat itu; pelajaran berikutnya membangun alatnya.

Invariansi translasi: memberikan jawaban yang sama saat input dipindahkan. MLP tidak memilikinya; CNN sebagian besar memilikinya.

Kata dan simbol di pelajaran ini
convolution
menggeser kisi kecil bobot (filter) di atas gambar, satu dot product per posisi
filter, peta fitur
grid bobot kecil yang telah dipelajari; dan citra dari responsnya
Giliranku

Gambar digit datang sebagai array dengan bentuk (N, 8, 8, 1): N gambar, 8 baris, 8 kolom dan 1 channel terakhir (tingkat abu-abu dari 0 sampai 1). Tata letak channels-last ini digunakan untuk setiap gambar di modul ini. Tulis shift(X, dx) yang memindahkan setiap gambar dx piksel ke kanan (gunakan np.roll di sepanjang sumbu kolom). Lalu isi acc dengan akurasi tes MLP yang sudah dilatih pada pergeseran 0, 1 dan 2.

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.