Một đơn vị nhìn thấy bao nhiêu phần của ảnh
Vì sao điều này quan trọng Một đơn vị sâu trong một CNN chỉ có thể nhận ra thứ gì đó vừa bên trong mảng ảnh mà nó nhìn thấy. Biết kích thước mảng đó cho bạn biết một mạng có thể và không thể để ý tới điều gì.
Xem nó
Hãy chạy hoạt ảnh. Một đơn vị ở lớp 1 nhìn thấy 3 x 3 điểm ảnh. Một đơn vị ở lớp 2 nhìn thấy 3 x 3 đơn vị lớp 1, và mỗi cái đó nhìn thấy 3 x 3 điểm ảnh, chồng lên nhau: cùng nhau là 5 x 5. Mỗi lớp 3 x 3 thêm 2. Một stride 2 gấp đôi lượng mà mọi lớp sau thêm vào, đó là lý do stride và pooling cho các đơn vị sâu nhìn được xa.
Quy tắc
r, jump = 1, 1
for k, s in layers:
r += (k - 1) * jump
jump *= s
Ba lớp 3 x 3, stride 1: r = 1 + 2 + 2 + 2 = 7.
Trường tiếp nhận (receptive field): mảng của đầu vào có thể ảnh hưởng tới một đơn vị.
Từ và ký hiệu trong bài học này
- padding (p), stride (s)
- các số không được thêm quanh mép; bộ lọc dịch bao nhiêu điểm ảnh mỗi bước
- pooling
- thu nhỏ một bản đồ bằng cách giữ giá trị lớn nhất hay trung bình của mỗi khối
- trường tiếp nhận
- mảng của đầu vào có thể ảnh hưởng tới một đơn vị
Viết receptive_field(layers), trong đó layers là một list các cặp (kernel, stride), lớp đầu tiên trước.
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.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.