모듈 10: 보는 신경망(CNN)
다시 올라가기: 업샘플링과 전치 합성곱
이 강좌를 전에 들은 적이 있나요?
한 번만 세기 위해서예요. 내 답만 익명의 진행 상황과 함께 보내져요.
왜 중요한가 생성기(강좌 2부의 모듈 15~17)는 작은 특성 맵을 전체 이미지로 되돌려야 해요. 맵을 키우는 방법은 둘이고, 그중 하나는 유명한 체커보드 흔적을 남겨요.
- 최근접 업샘플링: 각 픽셀을 2 × 2 블록으로 복사하고, 그다음 평범한 합성곱을 적용해요. 매끄럽고 단순해요.
- 스트라이드 2의 전치 합성곱: 각 입력 픽셀이 필터를 출력에 2픽셀 간격으로 "찍어요". 찍힌 게 겹치는 곳에서는 기여가 더해져요. 폭 3인 필터와 스트라이드 2면, 어떤 출력 픽셀은 두 번 찍히고 이웃은 한 번 찍혀요: 체커보드로 드러나는 고르지 않은 패턴.
작은 숫자
입력 [1, 1, 1], 필터 [1, 1, 1], 스트라이드 2: 찍기가 0, 2, 4에서 시작해서 [1, 1, 2, 1, 2, 1, 1]을 줘요. 평평한 입력이 울퉁불퉁하게 나왔어요.
이 레슨의 단어와 기호
- 합성곱
- 작은 가중치 격자(필터)를 이미지 위로 미끄러뜨리며, 위치마다 내적 하나
- 필터, 특성 맵
- 학습한 작은 가중치 격자, 그리고 그 반응들의 이미지
- 패딩 (p), 스트라이드 (s)
- 가장자리 둘레에 더한 0들, 필터가 걸음마다 움직이는 픽셀 수
- 전치 합성곱
- 필터를 더 큰 출력에 찍기. 체커보드를 남길 수 있어요
내 차례
1D 배열에 대한 upsample2(x)(각 값을 두 번)와 tconv1d(x, w, stride)(i * stride에서 시작해 x[i] * w를 찍기, 출력 길이 (len(x) - 1) * stride + len(w))를 쓰세요. 그다음 checkerboard를 tconv1d(np.ones(6), np.ones(3), 2)로 설정하세요.
레슨 완료. 잘했어요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.