Konvolution: kärnor glider över pixlar
Hur filter upptäcker kanter och texturer
Konvolution: kärnor glider över pixlar är en gratis lektion i Deep Learning Academy på CoddyKit. Detta är lektion 1 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Deep Learning Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
En bild är bara tal
För ett nätverk är ett foto ett rutnät av pixelvärden. En liten gråskalebild kan bestå av 28x28 tal, där varje tal går från 0 (svart) till 255 (vitt).
Varför inte bara platta ut den?
Om du plattar ut en bild till en lång vektor försvinner den spatiala strukturen. Pixlar som ligger nära varandra har betydelse, och ett vanligt tätt lager tar inte hänsyn till det.
Möt kärnan
En kernel är ett litet rutnät av vikter, ofta 3x3. Den glider över bilden och granskar ett litet område i taget.
Det glidande fönstret
Vid varje position täcker kärnan ett område, multiplicerar överlappande värden och summerar dem till ett tal. Sedan glider den vidare och upprepar processen. 🔍
Den summan är utdatapixeln
Varje viktad summa blir en enda pixel i resultatet. När du glider över hela bilden bygger du ett nytt rutnät som kallas en feature map.
Kärnor upptäcker mönster
En väljusterad kärna aktiveras där dess mönster förekommer. En kärna kan reagera på vertikala kanter, medan en annan reagerar på ljusa hörn eller jämna texturer.
En kantdetektor för hand
Den här klassiska 3x3-kärnan reagerar starkt på vertikala kanter, där ljust möter mörkt längs en kolumn.
edge_kernel = [
[-1, 0, 1],
[-1, 0, 1],
[-1, 0, 1],
]Vikterna lärs in
Du väljer inte kärnans tal manuellt. Träningen justerar dem så att varje filter lär sig det mönster som hjälper nätverket att klassificera bilder.
Samma kärna överallt
En kärna återanvänder samma vikter över hela bilden. Denna viktdelning innebär betydligt färre parametrar än vad ett tätt lager skulle behöva.
Ett konvolutionslager i PyTorch
nn.Conv2d kapslar in allt detta. Här tar en Conv2d emot 1 indatakanal och lär sig 8 olika 3x3-kärnor.
import torch.nn as nn
conv = nn.Conv2d(1, 8, kernel_size=3)Många kärnor, många feature maps
Lagret lär sig 8 kärnor och producerar därför 8 feature maps. Var och en framhäver ett annat mönster som nätverket har funnit användbart.
Snabb kontroll
Låt oss kontrollera vad en konvolutionskärna faktiskt producerar.
Sammanfattning: Kärnor glider
Du har lärt dig att en kernel glider över pixlar och summerar viktade områden till en feature map. Vikterna lärs in, delas och anpassas för att upptäcka kanter och texturer. 🎉
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Konvolution: kärnor glider över pixlar” gratis?
Ja – hela texten till ”Konvolution: kärnor glider över pixlar” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Deep Learning Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Konvolution: kärnor glider över pixlar”?
Hur filter upptäcker kanter och texturer Ni övar på Deep Learning Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Deep Learning Academy?
Du behöver inga förkunskaper. Utbildningen i Deep Learning Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 1 av 4.
Hur lång tid tar lektionen ”Konvolution: kärnor glider över pixlar”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Deep Learning Academy-lektionen?
Ja. Varje Deep Learning Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Konvolution: kärnor glider över pixlar
- Stride, padding och pooling
- Kanaler, feature maps och receptiva fält
- Sätt ihop en CNN-bildklassificerare