Preenchimento, stride e pooling
Por que isso importa Toda decisão de design de uma CNN muda o tamanho dos feature maps. Se você conseguir calcular os tamanhos de cabeça, você pode ler e projetar qualquer CNN.
- Padding p: adicione p linhas e colunas de zeros ao redor da imagem para que o filtro possa ficar nas bordas. Com p = (k - 1) / 2 a saída mantém o tamanho da entrada ("same" padding).
- Stride s: move o filtro s pixels por vez. Stride 2 reduz aproximadamente a metade do tamanho.
- Pooling: reduza um mapa mantendo o maior (max pool) ou a média de cada bloco 2 por 2.
A única fórmula
out = (n + 2p - k) // s + 1. Verifique: n = 8, k = 3, p = 1, s = 1 dá 8. Com s = 2 dá 4.
Palavras e símbolos nesta lição
- filter, mapa de características
- a pequena grade aprendida de pesos; e a imagem de suas respostas
- padding (p), stride (s)
- zeros adicionados ao redor da borda; quantos pixels o filtro move a cada passo
- out = (n + 2p - k) // s + 1
- o lado de saída para o lado de entrada n e o lado do filtro k
- pooling
- reduzindo um mapa mantendo o máximo ou a média de cada bloco
Escreva out_size(n, k, p, s), e maxpool2(img) para uma imagem 2D com lados pares. Depois preveja, em predictions, o lado de saída para os cinco casos listados no início.
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.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.