Conteúdo do curso Lição 116 de 246 · Módulo 10: Redes que veem (CNNs)
Módulo 10: Redes que veem (CNNs)

Convolução rápida: uma multiplicação de matriz grande (im2col)

Por que isso importa Seu laço de convolução visita cada pixel de saída em Python, o que é lento. Bibliotecas reais transformam toda a convolução em uma multiplicação de matriz, a operação que computadores fazem melhor.

Veja isso

Reproduza a animação. Corte cada patch k por k que o filtro visitaria e coloque cada um deles plano como uma linha: isso é im2col ("imagem para colunas"). Coloque o filtro plano como uma coluna. Agora uma multiplicação de matriz, linhas vezes coluna, calcula cada saída de uma vez. Com muitos filtros, a coluna se torna uma matriz e ainda uma multiplicação faz tudo.

O custo: os patches se sobrepõem, então a matriz de patches repete pixels e ocupa mais memória. Velocidade por memória é uma troca que você encontrará repetidamente.

Palavras e símbolos nesta lição
convolution
deslizando uma pequena grade de pesos (um filtro) por uma imagem, um produto escalar por posição
filter, mapa de características
a pequena grade aprendida de pesos; e a imagem de suas respostas
im2col
colocando cada patch reto como uma linha para que uma convolução se torne uma multiplicação de matriz
Sua vez

Escreva im2col(img, k) retornando uma matriz (número de posições, k*k) de patches achatados em ordem linha por linha, e conv_fast(img, filt) computando a convolução válida com uma multiplicação de matriz. Você pode fazer um laço sobre os deslocamentos k por k, mas não sobre os pixels de saída.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.