0Pricing
Deep Learning Academy · レッスン

畳み込み：カーネルをピクセル上で滑らせる

フィルターがエッジやテクスチャを検出する仕組みを学びます

「畳み込み：カーネルをピクセル上で滑らせる」はCoddyKit上の無料Deep Learning Academyレッスンです。 これはレッスン1/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはDeep Learning Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Deep Learning Academyコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

An Image Is Just Numbers

To a network, a photo is a grid of pixel values. A small grayscale image might be 28x28 numbers, each from 0 (black) to 255 (white).

Why Not Just Flatten It?

Flattening an image into one long vector throws away the spatial layout. Pixels near each other matter, and a plain dense layer ignores that.

Meet the Kernel

A kernel is a tiny grid of weights, often 3x3. It slides across the image, looking at one small patch at a time.

The Sliding Window

At each position the kernel covers a patch, multiplies overlapping values, and sums them into one number. Then it slides over and repeats. 🔍

That Sum Is the Output Pixel

Each weighted sum becomes a single pixel in the result. Slide across the whole image and you build a fresh grid called a feature map.

Kernels Detect Patterns

A well-tuned kernel lights up where its pattern appears. One kernel might fire on vertical edges, another on bright corners or smooth textures.

An Edge Detector by Hand

This classic 3x3 kernel responds strongly to vertical edges, where light meets dark across a column.

edge_kernel = [
    [-1, 0, 1],
    [-1, 0, 1],
    [-1, 0, 1],
]

The Weights Are Learned

You do not hand-pick kernel numbers. Training adjusts them so each filter learns whatever pattern helps the network classify images.

Same Kernel, Everywhere

One kernel reuses the same weights across the whole image. This weight sharing means far fewer parameters than a dense layer would need.

A Conv Layer in PyTorch

nn.Conv2d wraps all of this. Here a Conv2d takes 1 input channel and learns 8 different 3x3 kernels.

import torch.nn as nn
conv = nn.Conv2d(1, 8, kernel_size=3)

Many Kernels, Many Maps

That layer learns 8 kernels, so it outputs 8 feature maps. Each one highlights a different pattern the network found useful.

Quick Check

Let us check what a convolution kernel actually produces.

Recap: Kernels Slide

You learned that a kernel slides over pixels, summing weighted patches into a feature map. Its weights are learned, shared, and tuned to spot edges and textures. 🎉

よくある質問

「畳み込み：カーネルをピクセル上で滑らせる」レッスンは無料ですか？

はい。「畳み込み：カーネルをピクセル上で滑らせる」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Deep Learning Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Deep Learning Academyコースには全4レッスンが含まれています。

「畳み込み：カーネルをピクセル上で滑らせる」で何を学びますか？

フィルターがエッジやテクスチャを検出する仕組みを学びます ブラウザで直接実行するハンズオンコードでDeep Learning Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

Deep Learning Academyを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのDeep Learning Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン1/4です。

「畳み込み：カーネルをピクセル上で滑らせる」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このDeep Learning Academyレッスンでコードを書いて実行できますか？

はい。すべてのDeep Learning Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

  1. 畳み込み：カーネルをピクセル上で滑らせる
  2. ストライド、パディング、プーリング
  3. チャネル、特徴マップ、受容野
  4. CNN画像分類器を組み立てる
← Deep Learning Academyに戻る