Convolution: Kernels Pixels पर सरकते हैं
जानें कि filters edges और textures का पता कैसे लगाते हैं
Convolution: Kernels Pixels पर सरकते हैं, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 1वाँ 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।
चित्र केवल संख्याएँ है
नेटवर्क के लिए फ़ोटो पिक्सेल मानों का एक ग्रिड है। छोटा धूसर चित्र 28x28 संख्याओं का हो सकता है, जिनमें प्रत्येक 0 (काला) से 255 (सफेद) तक होता है।
इसे बस समतल क्यों न कर दें
चित्र को एक लंबे वेक्टर में समतल करने से उसका स्थानिक विन्यास नष्ट हो जाता है। पास-पास के पिक्सेल महत्वपूर्ण होते हैं, जबकि साधारण सघन परत इसे अनदेखा करती है।
कर्नेल से परिचित हों
कर्नेल भारों का एक छोटा ग्रिड होता है, अक्सर 3x3। यह चित्र पर सरकते हुए एक समय में एक छोटे हिस्से को देखता है।
सरकती हुई विंडो
हर स्थिति में कर्नेल एक हिस्से को ढकता है, ओवरलैप होते मानों को गुणा करता है और उनका योग एक संख्या में बदल देता है। फिर यह सरकता है और प्रक्रिया दोहराता है। 🔍
वह योग आउटपुट पिक्सेल है
प्रत्येक भारित योग परिणाम में एक पिक्सेल बन जाता है। पूरे चित्र पर सरकने से एक नया ग्रिड बनता है, जिसे विशेषता मानचित्र कहते हैं।
कर्नेल पैटर्न पहचानते हैं
अच्छी तरह समायोजित कर्नेल वहाँ सक्रिय होता है जहाँ उसका पैटर्न दिखाई देता है। एक कर्नेल ऊर्ध्वाधर किनारों पर, तो दूसरा चमकीले कोनों या चिकनी बनावटों पर सक्रिय हो सकता है।
हाथ से बनाया गया किनारा-पहचानक
यह क्लासिक 3x3 कर्नेल ऊर्ध्वाधर किनारों पर तीव्र प्रतिक्रिया देता है, जहाँ एक स्तंभ में प्रकाश और अँधेरा मिलते हैं।
edge_kernel = [
[-1, 0, 1],
[-1, 0, 1],
[-1, 0, 1],
]भार सीखे जाते हैं
आप कर्नेल की संख्याएँ हाथ से नहीं चुनते। प्रशिक्षण उन्हें इस तरह समायोजित करता है कि प्रत्येक फ़िल्टर वह पैटर्न सीखे जो नेटवर्क को चित्रों का वर्गीकरण करने में मदद करता है।
एक ही कर्नेल, हर जगह
एक कर्नेल पूरे चित्र में समान भारों का पुनः उपयोग करता है। इस भार साझाकरण के कारण सघन परत की तुलना में बहुत कम पैरामीटर चाहिए होते हैं।
PyTorch में कन्व परत
nn.Conv2d यह सब एक साथ करता है। यहाँ एक Conv2d 1 इनपुट चैनल लेता है और 3x3 के 8 अलग-अलग कर्नेल सीखता है।
import torch.nn as nn
conv = nn.Conv2d(1, 8, kernel_size=3)अनेक कर्नेल, अनेक मानचित्र
वह परत 8 कर्नेल सीखती है, इसलिए 8 विशेषता मानचित्र आउटपुट करती है। प्रत्येक नेटवर्क द्वारा उपयोगी पाए गए अलग पैटर्न को उभारता है।
त्वरित जाँच
आइए जाँचें कि कन्वोल्यूशन कर्नेल वास्तव में क्या बनाता है।
पुनरावलोकन: कर्नेल सरकते हैं
आपने सीखा कि कर्नेल पिक्सेलों पर सरकता है और भारित हिस्सों के योग से विशेषता मानचित्र बनाता है। इसके भार सीखे और साझा किए जाते हैं तथा किनारों और बनावटों को पहचानने के लिए समायोजित होते 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 “Convolution: Kernels Pixels पर सरकते हैं” पाठ निःशुल्क है?
हाँ—“Convolution: Kernels Pixels पर सरकते हैं” 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।
“Convolution: Kernels Pixels पर सरकते हैं” में मैं क्या सीखूँगा?
जानें कि filters edges और textures का पता कैसे लगाते हैं 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 1वाँ पाठ है।
“Convolution: Kernels Pixels पर सरकते हैं” 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