Müfredat 246 dersinden 111. · Modül 10: Gören ağlar (CNN'ler)
Modül 10: Gören ağlar (CNN'ler)

Resimler MLP'leri neden bozar

Neden önemli Modül 3'teki rakam okuyucun yaklaşık %95 aldı, bu dersteki biraz daha büyüğü yaklaşık %98 alıyor. Her rakamı bir piksel sağa kaydır, çöküyor. Nedenini görmek, evrişimli ağların var olmasının bütün nedenidir.

Bir MLP her piksele kendi ağırlığını verir. "3. satır, 5. sütundaki parlak bir piksel 7 demektir" diye öğrenir. Rakamı bir piksel kaydır, her parlak piksel başka bir şey öğrenmiş bir ağırlığa düşer. MLP için kaydırılmış bir 7 yepyeni bir resimdir.

İstediğimiz, bir kalıbı nerede görünürse görünsün tanıyan bir ağ. Bu düşünceyi aklında tut; sonraki ders aracı kuruyor.

Öteleme değişmezliği: girdi yer değiştirdiğinde aynı cevabı vermek. MLP'lerde yoktur; CNN'lerde çoğunlukla vardır.

Bu dersteki kelimeler ve semboller
evrişim
küçük bir ağırlık ızgarasını (bir filtre) bir resim boyunca kaydırmak, konum başına bir iç çarpım
filtre, özellik haritası
öğrenilmiş küçük ağırlık ızgarası; ve onun tepkilerinden oluşan resim
Senin sıran

Rakam resimleri (N, 8, 8, 1) şeklinde bir dizi olarak geliyor: N resim, 8 satır, 8 sütun ve en sonda 1 kanal (0'dan 1'e gri seviyesi). Bu kanal sonda düzeni bu modüldeki her resim için kullanılır. Her resmi dx piksel sağa kaydıran shift(X, dx) yaz (sütun ekseni boyunca np.roll kullan). Sonra acc sözlüğünü eğitilmiş MLP'nin 0, 1 ve 2 kaydırmadaki test doğruluğuyla doldur.

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.