Chương trình học Bài 112 trên tổng số 246 · Mô-đun 10: Những mạng biết nhìn (CNN)
Mô-đun 10: Những mạng biết nhìn (CNN)

Tự tay làm tích chập

Vì sao điều này quan trọng Một bộ trọng số nhỏ, trượt trên cả bức ảnh, tìm ra cùng một khuôn mẫu ở mọi nơi. Một ý tưởng đó sửa được thứ bạn vừa thấy bị hỏng.

Xem nó

Hãy chạy hoạt ảnh. Một lưới trọng số 3 x 3, bộ lọc, nằm ở góc trên-trái của ảnh. Nhân mỗi điểm ảnh trong 9 điểm ảnh bên dưới nó với trọng số nằm trên nó rồi cộng lại: đó là một con số đầu ra. Trượt sang phải một bước và làm lại. Khi bộ lọc đã ghé mọi vị trí, các đầu ra tạo thành một ảnh mới, nhỏ hơn một chút, gọi là bản đồ đặc trưng.

Những con số nhỏ xíu

Bộ lọc [[-1, 0, 1]] * 3 rows phản hồi với những thay đổi độ sáng từ trái sang phải: trên một mảng tối bên trái và sáng bên phải nó cho một số dương lớn; trên một mảng phẳng nó cho 0. Nó là một bộ dò cạnh, và trong một CNN những bộ lọc như vậy được học, không phải viết bằng tay.

Bộ lọc (kernel): lưới trọng số nhỏ. Tích chập valid: chỉ những vị trí mà bộ lọc nằm trọn bên trong ảnh, nên một ảnh n x n và một bộ lọc k x k cho (n - k + 1) x (n - k + 1).

Từ và ký hiệu trong bài học này
tích chập
trượt một lưới nhỏ các trọng số (một bộ lọc) trên một ảnh, một tích vô hướng cho mỗi vị trí
bộ lọc, bản đồ đặc trưng
lưới nhỏ các trọng số đã học; và ảnh các phản hồi của nó
Đến lượt bạn

Viết conv2d(img, k): tích chập valid (kiểu học sâu, không lật bộ lọc) của một ảnh 2D với một bộ lọc 2D, dùng vòng lặp qua các vị trí đầu ra.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.