कनवल्शन नेटवर्क में कन्वेन्शन फिल्टर की संख्या का क्या महत्व है?


16

एक कनवल्शन लेयर में फिल्टर की संख्या क्या बताती है?
यह संख्या वास्तुकला के प्रदर्शन या गुणवत्ता को कैसे प्रभावित करती है? मेरा मतलब है कि हमें हमेशा अधिक संख्या में फिल्टर का विकल्प चुनना चाहिए? उनमें से क्या अच्छा है? और लोग अलग-अलग परतों के लिए अलग-अलग फ़िल्टर कैसे निर्दिष्ट करते हैं? मेरा मतलब है कि इस प्रश्न को देखना: सीएनएन में संचालक संचालकों की संख्या का निर्धारण कैसे करें?
उत्तर 3 फिल्टर परत और फिल्टर और आकार के विभिन्न नंबरों के साथ 3 परत परत निर्दिष्ट करता है, इस प्रश्न में फिर से: बहुसांस्कृतिक तंत्रिका नेटवर्क में सुविधा मानचित्रों की संख्या आप चित्र से देख सकते हैं कि, हमारे पास 28 * 28 * 6 फिल्टर पहली परत के लिए और 10 * 10 * 16 फिल्टर दूसरी परत के लिए हैं। वे इन नंबरों के साथ कैसे आते हैं, क्या यह परीक्षण और त्रुटि के माध्यम से है? अग्रिम में धन्यवाद


जवाबों:


8

एक कनवल्शन लेयर में फिल्टर की संख्या क्या बताती है? - मैं आमतौर पर फ़ीचर डिटेक्टर के रूप में फ़िल्टर के बारे में सोचना पसंद करता हूं। यद्यपि यह समस्या डोमेन पर निर्भर करता है, सुविधा डिटेक्टरों का महत्व # सहज रूप से सुविधाओं की संख्या (जैसे किनारों, रेखाओं, ऑब्जेक्ट भागों आदि ...) है जो नेटवर्क संभावित रूप से सीख सकता है। यह भी ध्यान दें कि प्रत्येक फ़िल्टर एक सुविधा मानचित्र बनाता है। फ़ीचर मैप आपको छवि के भीतर व्याख्यात्मक कारकों को सीखने की अनुमति देते हैं, इसलिए अधिक # फ़िल्टर का अर्थ है कि नेटवर्क अधिक सीखता है (जरूरी नहीं कि हर समय अच्छा हो - संतृप्ति और अभिसरण सबसे ज्यादा मायने रखता है)

यह संख्या वास्तुकला के प्रदर्शन या गुणवत्ता को कैसे प्रभावित करती है? - मुझे नहीं लगता कि आप इस प्रकार के प्रश्न के लिए एक अच्छा जवाब पाएंगे क्योंकि हम अभी भी डीएल ब्लैक बॉक्स के अंदर क्या चल रहा है, इसे औपचारिक रूप देने की कोशिश कर रहे हैं। सहज रूप से एक बार फिर आप एक अधिक मजबूत गैर-रेखीय फ़ंक्शन सीखेंगे आपके पास जितने अधिक फ़िल्टर बैंक हैं, लेकिन प्रदर्शन कार्य के प्रकार और डेटा विशेषताओं पर निर्भर करने वाला है। आप आमतौर पर यह जानना चाहते हैं कि आप अपनी वास्तुकला में (फ़िल्टर सहित) मापदंडों को निर्धारित करने के लिए किस तरह का डेटा दे रहे हैं। मुझे कितने फिल्टर की आवश्यकता है? यह पूछना अधिक जटिल है कि मेरे डेटासेट में छवियां कितनी जटिल (विशेष) हैं। कोई औपचारिक धारणा नहीं है जो प्रदर्शन के लिए # फ़िल्टर से संबंधित है। इसके सभी प्रयोगात्मक और पुनरावृत्त। निशान और त्रुटि forsure के बहुत सारे।


अच्छा जवाब, उपरोक्त बिंदुओं को जोड़ना: सीएनएन, हालांकि, अब ब्लैक बॉक्स नहीं हैं। आप वास्तव में फीचर मैप्स द्वारा सीखी गई विशेषताओं को देख सकते हैं। एक परत में आपके द्वारा सेट किए गए फिल्टर की संख्या संबंधित सुविधाओं (या उनके संयोजन) को सीखने के लिए ENOUGH कंटेनरों को अनुमति देने के लिए है। पर्याप्त संख्या क्या है -> डेटासेट पर निर्भर करता है। कहो, परत दर परत एक सीएनएन नेटवर्क को महत्वपूर्ण विशेषताओं को सीखने के लिए कम से कम 24 फीचर मैप की आवश्यकता होती है, इसलिए आप यह कहते हुए 32 प्रदान करते हैं कि इस विचार पर काम करना कि आप नेटवर्क को एक सांस लेने की जगह देते हैं और इसे स्वयं तय करते हैं, शायद 32 में से कुछ बेमानी या थोड़े विविध हैं।
MANU
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.