第 10 模块:会看的网络(CNN)
亲手做卷积
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 一小组权重在整张图像上滑动,就能在任何地方找到同一个图案。这一个想法就修好了你刚才看到的问题。
看见它
播放动画。一个 3 乘 3 的权重网格,也就是滤波器,放在图像的左上角。把它下面的 9 个像素分别乘以上面对应的权重,再加起来:这就是一个输出数字。往右滑一步,再做一遍。当滤波器走遍了每一个位置,这些输出就构成一张新的、稍小一点的图像,叫作特征图。
很小的数字
滤波器 [[-1, 0, 1]] * 3 rows 对从左到右的亮度变化有响应:在一块左暗右亮的区域上,它给出一个大的正数;在一块平坦的区域上,它给出 0。它是一个边缘检测器,而在 CNN 中,这样的滤波器是学出来的,不是手写的。
滤波器(卷积核):那一小格权重。有效卷积:只取滤波器完全落在图像内部的位置,所以一张 n 乘 n 的图像和一个 k 乘 k 的滤波器会得到 (n - k + 1) 乘 (n - k + 1)。
本课中的词语和符号
- 卷积
- 让一小格权重(一个滤波器)在图像上滑动,每个位置做一次点积
- 滤波器、特征图
- 学到的那一小格权重;以及它的响应构成的图像
轮到你了
编写 conv2d(img, k):一张 2D 图像和一个 2D 滤波器的有效卷积(深度学习里的那种,不翻转滤波器),用循环遍历各个输出位置。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。