Padding, stride en pooling
Waarom dit ertoe doet Elke ontwerpbeslissing van een CNN verandert de grootte van de feature maps. Als je de groottes in je hoofd kunt uitrekenen, kun je elk CNN lezen en ontwerpen.
- Padding p: voeg p rijen en kolommen van nullen toe rond de afbeelding zodat de filter op de randen kan liggen. Met p = (k - 1) / 2 behoudt de output de grootte van de input ("same" padding).
- Stride s: verplaats de filter s pixels per keer. Stride 2 halveert de grootte ongeveer.
- Pooling: verklein een map door de grootste (max pool) of het gemiddelde van elk 2 bij 2 blok te behouden.
De enige formule
out = (n + 2p - k) // s + 1. Check: n = 8, k = 3, p = 1, s = 1 geeft 8. Met s = 2 geeft het 4.
Woorden en symbolen in deze les
- filter, feature map
- het kleine geleerde raster van gewichten; en de afbeelding van de responsen
- padding (p), stride (s)
- zeros toegevoegd aan de rand; hoeveel pixels de filter elke stap verplaatst
- out = (n + 2p - k) // s + 1
- de outputzijde voor inputzijde n en filterzijde k
- pooling
- een kaart verkleinen door het maximum of gemiddelde van elk blok te behouden
Schrijf out_size(n, k, p, s), en maxpool2(img) voor een 2D-afbeelding met even zijden. Voorspel daarna, in predictions, de zijde van de output voor de vijf gevallen die in de starter staan vermeld.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.