Konvolution: Kernels glider over pixels
Sådan registrerer filtre kanter og teksturer.
Konvolution: Kernels glider over pixels er en gratis Deep Learning Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Deep Learning Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Et billede er bare tal
For et netværk er et foto et gitter af pixel-værdier. Et lille gråtonebillede kan f.eks. bestå af 28x28 tal, hvert mellem 0 (sort) og 255 (hvid).
Hvorfor ikke bare gøre det fladt
Når du gør et billede til én lang vektor, mister du det rumlige layout. Pixels tæt på hinanden betyder noget, og et almindeligt tæt lag ignorerer det.
Mød kernen
En kerne er et lille gitter af vægte, ofte 3x3. Den glider hen over billedet og ser på ét lille udsnit ad gangen.
Det glidende vindue
Ved hver position dækker kernen et udsnit, multiplicerer de overlappende værdier og summerer dem til ét tal. Derefter glider den videre og gentager processen. 🔍
Summen er outputpixel'en
Hver vægtede sum bliver til én pixel i resultatet. Når du glider hen over hele billedet, opbygger du et nyt gitter kaldet et egenskabskort.
Kerner registrerer mønstre
En veltilpasset kerne lyser op, hvor dens mønster forekommer. En kerne kan reagere på lodrette kanter, mens en anden reagerer på lyse hjørner eller jævne teksturer.
En kantdetektor lavet i hånden
Denne klassiske 3x3-kerne reagerer kraftigt på lodrette kanter, hvor lyst møder mørkt på tværs af en søjle.
edge_kernel = [
[-1, 0, 1],
[-1, 0, 1],
[-1, 0, 1],
]Vægtene læres
Du vælger ikke kernens tal manuelt. Træningen justerer dem, så hvert filter lærer det mønster, der hjælper netværket med at klassificere billeder.
Samme kerne overalt
Én kerne genbruger de samme vægte over hele billedet. Denne vægt-deling betyder langt færre parametre, end et tæt lag ville have brug for.
Et konvolutionslag i PyTorch
nn.Conv2d samler alt dette. Her tager en Conv2d én inputkanal og lærer 8 forskellige 3x3-kerner.
import torch.nn as nn
conv = nn.Conv2d(1, 8, kernel_size=3)Mange kerner, mange kort
Dette lag lærer 8 kerner, så det producerer 8 egenskabskort. Hvert kort fremhæver et forskelligt mønster, som netværket fandt nyttigt.
Hurtigt tjek
Lad os se, hvad en konvolutionskerne faktisk producerer.
Opsummering: Kerner glider
Du har lært, at en kerne glider hen over pixels og summerer vægtede udsnit til et egenskabskort. Dens vægte læres, deles og justeres, så den kan finde kanter og teksturer. 🎉
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Konvolution: Kernels glider over pixels” gratis?
Ja — hele teksten til “Konvolution: Kernels glider over pixels” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Deep Learning Academy-kurset, skal du opgradere til CoddyKit PRO. Deep Learning Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Konvolution: Kernels glider over pixels”?
Sådan registrerer filtre kanter og teksturer. Du øver dig i Deep Learning Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Deep Learning Academy?
Der kræves ingen tidligere erfaring. Deep Learning Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Konvolution: Kernels glider over pixels”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Deep Learning Academy-lektion?
Ja. Alle Deep Learning Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Konvolution: Kernels glider over pixels
- Stride, padding og pooling
- Kanaler, feature maps og receptive fields
- Saml en CNN-billedklassifikator