モジュール 10:見るネットワーク(CNN)
パディング、ストライド、プーリング
以前このコースを受けたことがありますか?
あなたを 1 人として数えるためです。送られるのはあなたの答えと匿名の進捗だけです。
なぜ大切か CNN の設計のどの判断も、特徴マップの大きさを変えます。頭の中で大きさを割り出せれば、どんな CNN も読めて設計できます。
- パディング p:フィルターが端に乗れるよう、画像のまわりに p 行と p 列のゼロを加える。p = (k - 1) / 2 なら、出力は入力の大きさを保つ(「same」のパディング)。
- ストライド s:フィルターを一度に s 画素動かす。ストライド 2 はおおよそ大きさを半分にする。
- プーリング:それぞれの 2 × 2 のかたまりの最大(最大プーリング)か平均を残してマップを縮める。
ひとつの式
out = (n + 2p - k) // s + 1。確かめます:n = 8、k = 3、p = 1、s = 1 は 8 を返します。s = 2 では 4 を返します。
このレッスンの言葉と記号
- フィルター、特徴マップ
- 学習した重みの小さな格子。そしてその反応の画像
- パディング (p)、ストライド (s)
- 端のまわりに加えるゼロ。フィルターが一歩ごとに何画素動くか
- out = (n + 2p - k) // s + 1
- 入力の辺 n とフィルターの辺 k についての出力の辺
- プーリング
- それぞれのかたまりの最大か平均を残してマップを縮めること
あなたの番
out_size(n, k, p, s) と、辺が偶数の 2 次元の画像について maxpool2(img) を書いてください。それから predictions に、最初のコードに挙げた 5 つの場合の出力の辺を予測してください。
レッスン完了。お見事です。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。