Programma Les 113 van 246 · Module 10: Netwerken die zien (CNNs)
Module 10: Netwerken die zien (CNNs)

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
Jij bent aan de beurt

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.