なぜ画像は MLP を壊すのか
なぜ大切か モジュール 3 の数字を読む道具は約 95% を出し、このレッスンの少し大きなものは約 98% を出します。それぞれの数字を 1 画素右に動かすと崩れます。その理由を見ることこそ、畳み込みのネットワークが存在する理由のすべてです。
MLP はどの画素にも専用の重みを与えます。「行 3、列 5 の明るい画素は 7 を意味する」と学びます。数字を 1 画素ずらすと、どの明るい画素も、何かほかのことを学んだ重みの上に落ちます。MLP にとって、ずれた 7 はまったく新しい絵です。
欲しいのは、パターンがどこに現れてもそれを見分けるネットワークです。その考えを覚えておいてください。次のレッスンが道具を作ります。
平行移動の不変性:入力が動かされても同じ答えを返すことです。MLP は持たず、CNN はおおむね持ちます。
このレッスンの言葉と記号
- 畳み込み
- 重みの小さな格子(フィルター)を画像の上で滑らせ、位置ごとにひとつの内積を取ること
- 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
数字の画像は形 (N, 8, 8, 1) の配列として来ます:N の画像、8 行、8 列、そして最後に 1 チャンネル(0 から 1 の灰色の水準)。このチャンネルを最後に置く並べ方は、このモジュールのすべての画像に使われます。すべての画像を dx 画素右に動かす shift(X, dx) を書いてください(列の軸に沿って np.roll を使う)。それから acc を、ずらし 0、1、2 での訓練した MLP のテストの正解率で埋めてください。
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。