Kanaler, egenskapskart og reseptive felt
Hvordan dybde bygger rikere egenskaper
Kanaler, egenskapskart og reseptive felt er en gratis leksjon i Deep Learning Academy på CoddyKit. Dette er leksjon 3 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Deep Learning Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Deep Learning Academy inneholder totalt 4 leksjoner.
Fargebilder har kanaler
Et fargefoto er ikke ett rutenett, men tre: rødt, grønt og blått. Hvert av dem er en kanal, så bildet har formen 3 ganger høyde ganger bredde.
Kjerner dekker alle kanaler
En konvolusjonskjerne dekker hver inngangskanal samtidig. For RGB er en 3x3-kjerne egentlig 3x3x3 og summerer over alle tre.
Én kjerne, ett funksjonskart
Uansett hvor mange inngangskanaler det er, produserer én enkelt kjerne bare ett utgangsrutenett: ett feature map.
Utgangskanaler stabler kart
Et lag lærer mange kjerner. Antallet out_channels er nøyaktig hvor mange feature maps det stabler i utgangen.
conv = nn.Conv2d(3, 32, kernel_size=3, padding=1)Slik leser De laget
Dette laget tar inn 3 channels og produserer 32 feature maps. Hvert kart er én innlært kjerne som skanner RGB-bildet.
Kart blir neste inngang
De 32 feature maps sendes til neste conv-lag som lagets inngangs-channels. Dybden øker altså etter hvert som lag stables oppå hverandre.
Hva er et mottaksfelt?
Et receptive field er området i originalbildet som påvirker én utgangsverdi. Tidlige lag ser bare en svært liten bildeflate.
Det vokser med dybden
Stable flere conv-lag, så avhenger hver verdi av et større område. Nevroner dypt i nettverket har et stort receptive field som dekker mye av bildet. 🌐
Enkle egenskaper først
Med små receptive fields oppdager tidlige lag enkle ting: kanter, hjørner og fargeflekker. Dette er nettverkets grunnleggende features.
Deretter komplekse egenskaper
Dypere lag kombinerer disse til rikere mønstre: teksturer, former og til slutt hele objekter, som et øye eller et hjul. Dette er et hierarki av features.
Dybde bytter rom mot mening
Etter hvert som De går dypere, blir kartene vanligvis mindre, men får flere channels. Nettverket bytter ut romlig detalj med semantisk mening.
Rask sjekk
La oss sjekke hvordan channels henger sammen med feature maps.
Oppsummering: Dybde bygger mening
De har lært at kjerner dekker alle inngangs-channels, at out_channels stabler feature maps, og at voksende receptive fields omdanner kanter til hele objekter. 🎉
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Kanaler, egenskapskart og reseptive felt» gratis?
Ja – hele teksten i «Kanaler, egenskapskart og reseptive felt» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Deep Learning Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Deep Learning Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Kanaler, egenskapskart og reseptive felt»?
Hvordan dybde bygger rikere egenskaper Du øver på Deep Learning Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Deep Learning Academy?
Ingen tidligere erfaring er nødvendig. Deep Learning Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 3 av 4.
Hvor lang tid tar leksjonen «Kanaler, egenskapskart og reseptive felt»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Deep Learning Academy-leksjonen?
Ja. Alle Deep Learning Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Konvolusjon: Kjerner glir over piksler
- Stride, padding og pooling
- Kanaler, egenskapskart og reseptive felt
- Sett sammen en CNN-bildeklassifikator