Müfredat 246 dersinden 113. · Modül 10: Gören ağlar (CNN'ler)
Modül 10: Gören ağlar (CNN'ler)

Dolgu, adım ve havuzlama

Neden önemli Her CNN tasarım kararı özellik haritalarının boyutunu değiştirir. Boyutları kafandan hesaplayabilirsen, her CNN'i okuyup tasarlayabilirsin.

  • Dolgu p: filtre kenarlara oturabilsin diye resmin etrafına p satır ve sütun sıfır ekle. p = (k - 1) / 2 ile çıktı girdinin boyutunu korur ("same" dolgu).
  • Adım s: filtreyi her seferinde s piksel kaydır. Adım 2 boyutu kabaca yarıya indirir.
  • Havuzlama: her 2'ye 2 bloğun en büyüğünü (maksimum havuzlama) ya da ortalamasını tutarak bir haritayı küçült.

Tek formül

out = (n + 2p - k) // s + 1. Kontrol: n = 8, k = 3, p = 1, s = 1, 8 verir. s = 2 ile 4 verir.

Bu dersteki kelimeler ve semboller
filtre, özellik haritası
öğrenilmiş küçük ağırlık ızgarası; ve onun tepkilerinden oluşan resim
dolgu (p), adım (s)
kenarın etrafına eklenen sıfırlar; filtrenin her adımda kaç piksel ilerlediği
out = (n + 2p - k) // s + 1
girdi kenarı n ve filtre kenarı k için çıktı kenarı
havuzlama
her bloğun maksimumunu ya da ortalamasını tutarak bir haritayı küçültmek
Senin sıran

out_size(n, k, p, s) ve kenarları çift olan 2B bir resim için maxpool2(img) yaz. Sonra predictions içinde başlangıç kodunda listelenen beş durum için çıktı kenarını tahmin et.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.