Kanalen, featuremaps en receptive fields
Hoe diepte rijkere kenmerken opbouwt.
Kanalen, featuremaps en receptive fields is een gratis Deep Learning Academy-les op CoddyKit. Dit is les 3 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Deep Learning Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Deep Learning Academy bevat in totaal 4 lessen.
Kleurenafbeeldingen hebben kanalen
Een kleurenfoto is niet één raster, maar drie: rood, groen en blauw. Elk raster is een kanaal, dus de afbeelding heeft de vorm 3 bij hoogte bij breedte.
Kernels omvatten alle kanalen
Een convolutionele kernel bestrijkt elk invoer-kanaal tegelijk. Voor RGB is een kernel van 3x3 eigenlijk 3x3x3 en wordt over alle drie de kanalen opgeteld.
Eén kernel, één kenmerkenkaart
Ongeacht het aantal invoerkanalen produceert één kernel slechts één uitvoerrooster: één kenmerkkaart.
Uitvoerkanalen stapelen kaarten
Een laag leert meerdere kernels. Het aantal out_channels is precies het aantal kenmerkkaarten dat de laag in de uitvoer stapelt.
conv = nn.Conv2d(3, 32, kernel_size=3, padding=1)Die laag lezen
Die laag neemt 3 invoerkanalen en produceert 32 kenmerkkaarten. Elke kaart is één aangeleerde kernel die de RGB-afbeelding scant.
Kaarten worden de volgende invoer
De 32 kenmerkkaarten worden als invoerkanalen aan de volgende convolutionele laag doorgegeven. De diepte groeit dus wanneer lagen op elkaar worden gestapeld.
Wat is een receptief veld?
Een receptief veld is het gebied van de oorspronkelijke afbeelding dat invloed heeft op één uitvoerwaarde. Vroege lagen zien slechts een klein stukje.
Het groeit met de diepte
Stapel meer convolutionele lagen en elke waarde hangt af van een groter gebied. Diepe neuronen hebben een groot receptief veld dat een groot deel van de afbeelding beslaat. 🌐
Eerst eenvoudige kenmerken
Met kleine receptieve velden detecteren vroege lagen eenvoudige dingen: randen, hoeken en kleurvlekken. Dit zijn de elementaire kenmerken van het netwerk.
Daarna complexe kenmerken
Diepere lagen combineren die tot rijkere patronen: texturen, vormen en uiteindelijk hele objecten, zoals een oog of een wiel. Dit is de hiërarchie van kenmerken.
Diepte ruilt ruimte in voor betekenis
Naarmate je dieper gaat, worden kaarten meestal kleiner maar krijgen ze meer kanalen. Het netwerk ruilt ruimtelijke details in voor semantische betekenis.
Korte controle
Laten we controleren hoe kanalen zich verhouden tot kenmerkkaarten.
Samenvatting: diepte bouwt betekenis op
Je hebt geleerd dat kernels alle invoerkanalen beslaan, dat out_channels kenmerkkaarten stapelt en dat groeiende receptieve velden randen in hele objecten veranderen. 🎉
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Kanalen, featuremaps en receptive fields” gratis?
Ja — de volledige tekst van “Kanalen, featuremaps en receptive fields” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Deep Learning Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Deep Learning Academy bevat in totaal 4 lessen.
Wat leer ik in “Kanalen, featuremaps en receptive fields”?
Hoe diepte rijkere kenmerken opbouwt. Je oefent met Deep Learning Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Deep Learning Academy te beginnen?
Ervaring vooraf is niet nodig. Deep Learning Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 3 van 4.
Hoe lang duurt de les “Kanalen, featuremaps en receptive fields”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Deep Learning Academy?
Ja. Elke les over Deep Learning Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Convolutie: kernels schuiven over pixels
- Stride, padding en pooling
- Kanalen, featuremaps en receptive fields
- Een CNN-beeldclassificatiemodel samenstellen