课程大纲 第 111 课,共 246 课 · 第 10 模块:会看的网络(CNN)
第 10 模块:会看的网络(CNN)

为什么图像会难倒 MLP

为什么重要 你在第 3 模块写的数字识别器得分大约 95%,而本课中稍大一点的那个得分大约 98%。把每个数字往右移一个像素,它就崩溃了。看清楚为什么,正是卷积网络存在的全部理由。

MLP 给每一个像素一个它自己的权重。它学到的是“第 3 行第 5 列有一个亮像素,意味着这是 7”。把数字移动一个像素,每一个亮像素都会落到一个学了别的东西的权重上。对 MLP 来说,一个移动过的 7 是一张全新的图片。

我们想要的是一个无论图案出现在哪里都能认出它的网络。先记住这个想法;下一课会把工具搭出来。

平移不变性:输入被挪动位置时仍给出同样的答案。MLP 没有这个性质;CNN 大体上有。

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

数字图像是一个形状为 (N, 8, 8, 1) 的数组:N 张图像,8 行,8 列,通道数 1 放在最后(灰度从 0 到 1)。本模块中的每一张图像都使用这种通道在后的布局。编写 shift(X, dx),把每一张图像往右移动 dx 个像素(沿列的轴使用 np.roll)。然后用训练好的 MLP 在移动 0、1 和 2 个像素时的测试准确率填写 acc。

发现这节课有问题?报告它 · 就这节课提问

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。