Kanały, mapy cech i pola recepcyjne
Zrozumieć, jak głębokość buduje bogatsze cechy
Kanały, mapy cech i pola recepcyjne to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Obrazy kolorowe mają kanały
Kolorowe zdjęcie to nie jedna siatka, lecz trzy: czerwona, zielona i niebieska. Każda z nich jest kanałem, więc kształt obrazu to 3 na wysokość na szerokość.
Jądra obejmują wszystkie kanały
Jądro konwolucji obejmuje jednocześnie każdy wejściowy kanał. W przypadku RGB jądro 3x3 ma w rzeczywistości rozmiar 3x3x3 i sumuje wartości ze wszystkich trzech kanałów.
Jedno jądro, jedna mapa cech
Niezależnie od liczby kanałów wejściowych pojedyncze jądro tworzy tylko jedną siatkę wyjściową: jedną mapę cech.
Kanały wyjściowe tworzą stos map
Warstwa uczy się wielu jąder. Liczba jej out_channels dokładnie określa, ile map cech zostanie umieszczonych na wyjściu.
conv = nn.Conv2d(3, 32, kernel_size=3, padding=1)Odczytywanie tej warstwy
Ta warstwa przyjmuje 3 wejściowe kanały i generuje 32 mapy cech. Każda mapa odpowiada jednemu wyuczonemu jądru skanującemu obraz RGB.
Mapy stają się następnym wejściem
32 mapy cech trafiają do następnej warstwy konwolucyjnej jako jej wejściowe kanały. W miarę układania warstw głębokość więc rośnie.
Czym jest pole recepcyjne
Pole recepcyjne to obszar oryginalnego obrazu, który wpływa na pojedynczą wartość wyjściową. Wczesne warstwy widzą tylko niewielki fragment.
Rośnie wraz z głębokością
Po dodaniu większej liczby warstw konwolucyjnych każda wartość zależy od szerszego obszaru. Neurony w głębokich warstwach mają duże pole recepcyjne obejmujące znaczną część obrazu. 🌐
Najpierw proste cechy
Dzięki małym polom recepcyjnym wczesne warstwy wykrywają proste elementy: krawędzie, narożniki i plamy kolorów. Są to podstawowe cechy sieci.
Potem złożone cechy
Głębsze warstwy łączą je w bogatsze wzorce: tekstury, kształty, a w końcu całe obiekty, takie jak oko lub koło. To właśnie hierarchia cech.
Głębia zamienia przestrzeń na znaczenie
W miarę zagłębiania się w sieć mapy zwykle stają się mniejsze, ale zyskują więcej kanałów. Sieć zamienia szczegóły przestrzenne na znaczenie semantyczne.
Szybkie sprawdzenie
Sprawdźmy, jaki jest związek między kanałami a mapami cech.
Podsumowanie: głębia buduje znaczenie
Dowiedziałeś się, że jądra obejmują wszystkie wejściowe kanały, parametr out_channels tworzy stos map cech, a rosnące pola recepcyjne przekształcają krawędzie w całe obiekty. 🎉
Często zadawane pytania
Czy lekcja „Kanały, mapy cech i pola recepcyjne” jest bezpłatna?
Tak — pełny tekst „Kanały, mapy cech i pola recepcyjne” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Kanały, mapy cech i pola recepcyjne”?
Zrozumieć, jak głębokość buduje bogatsze cechy Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Kanały, mapy cech i pola recepcyjne”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Konwolucja: jądra przesuwają się po pikselach
- Stride, padding i pooling
- Kanały, mapy cech i pola recepcyjne
- Złożyć klasyfikator obrazów CNN