Channels, Feature Maps और Receptive Fields
समझें कि depth अधिक समृद्ध features कैसे बनाती है
Channels, Feature Maps और Receptive Fields, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Deep Learning Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
रंगीन चित्रों में चैनल होते हैं
रंगीन फ़ोटो एक ग्रिड नहीं बल्कि तीन ग्रिड होती है: लाल, हरा और नीला। प्रत्येक एक चैनल है, इसलिए चित्र का आकार 3 गुणा ऊँचाई गुणा चौड़ाई होता है।
कर्नेल सभी चैनलों पर फैले होते हैं
कन्व कर्नेल हर इनपुट चैनल को एक साथ ढकता है। RGB के लिए 3x3 कर्नेल वास्तव में 3x3x3 होता है और तीनों चैनलों पर योग करता है।
एक कर्नेल, एक विशेषता मानचित्र
इनपुट चैनल कितने भी हों, एक कर्नेल केवल एक आउटपुट ग्रिड बनाता है: एक feature map।
आउट चैनल मैप को स्टैक करते हैं
एक परत कई कर्नेल सीखती है। उसका out_channels मान ठीक-ठीक बताता है कि वह आउटपुट में कितने फ़ीचर मैप स्टैक करती है।
conv = nn.Conv2d(3, 32, kernel_size=3, padding=1)उस परत को समझना
यह परत 3 इनपुट channels लेती है और 32 फ़ीचर मैप आउटपुट करती है। हर मैप RGB इमेज को स्कैन करने वाला एक सीखा हुआ कर्नेल है।
मैप अगला इनपुट बनते हैं
32 फ़ीचर मैप अगली कन्वोल्यूशन परत में उसके इनपुट channels के रूप में जाते हैं। इसलिए परतों के एक-दूसरे के ऊपर जुड़ने पर गहराई बढ़ती जाती है।
रिसेप्टिव फ़ील्ड क्या है
receptive field मूल इमेज का वह क्षेत्र है जो किसी एक आउटपुट मान को प्रभावित करता है। शुरुआती परतें केवल एक बहुत छोटे पैच को देखती हैं।
गहराई के साथ यह बढ़ता है
कन्वोल्यूशन की अधिक परतें स्टैक करने पर हर मान एक बड़े क्षेत्र पर निर्भर करता है। गहरी परतों के न्यूरॉन का receptive field इमेज के बड़े हिस्से तक फैला होता है। 🌐
पहले सरल फ़ीचर
छोटे रिसेप्टिव फ़ील्ड के साथ शुरुआती परतें सरल चीज़ें पहचानती हैं: किनारे, कोने और रंगों के धब्बे। ये नेटवर्क के मूल features हैं।
फिर जटिल फ़ीचर
गहरी परतें इन्हें मिलाकर अधिक समृद्ध पैटर्न बनाती हैं: बनावट, आकृतियाँ और अंततः आँख या पहिए जैसी पूरी वस्तुएँ। इसे फ़ीचर hierarchy कहते हैं।
गहराई स्थान के बदले अर्थ देती है
जैसे-जैसे आप गहराई में जाते हैं, मैप आमतौर पर छोटे होते जाते हैं, लेकिन उनमें अधिक channels जुड़ते जाते हैं। नेटवर्क स्थानिक विवरण के बदले अर्थ संबंधी जानकारी प्राप्त करता है।
त्वरित जाँच
आइए जाँचें कि चैनल फ़ीचर मैप से कैसे संबंधित हैं।
पुनरावलोकन: गहराई अर्थ बनाती है
आपने सीखा कि कर्नेल सभी इनपुट channels पर फैले होते हैं, out_channels फ़ीचर मैप स्टैक करता है, और बढ़ते रिसेप्टिव फ़ील्ड किनारों को पूरी वस्तुओं में बदल देते हैं। 🎉
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “Channels, Feature Maps और Receptive Fields” पाठ निःशुल्क है?
हाँ—“Channels, Feature Maps और Receptive Fields” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Deep Learning Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“Channels, Feature Maps और Receptive Fields” में मैं क्या सीखूँगा?
समझें कि depth अधिक समृद्ध features कैसे बनाती है आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Deep Learning Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Deep Learning Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Deep Learning Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।
“Channels, Feature Maps और Receptive Fields” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Deep Learning Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Deep Learning Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- Convolution: Kernels Pixels पर सरकते हैं
- Stride, Padding और Pooling
- Channels, Feature Maps और Receptive Fields
- CNN Image Classifier तैयार करें