कंवोल्यूशनल न्यूरल नेटवर्क्स में फीचर मैप आकार
सूत्र: कंवोल्यूशनल-न्यूरल-नेटवर्क-(सीएनएन)-गहरे-सीखने-के-क्षेत्र-में-एक-महत्वपूर्ण-तत्व-बन-गए-हैं,-विशेष-रूप-से-छवि-और-वीडियो-पहचान-से-संबंधित-कार्यों-के-लिए।-सीएनएन-आर्किटेक्चर-का-एक-महत्वपूर्ण-पहलू-फीचर-मैप-साइज-है,-जो-प्रत्येक-कंवोल्यूशनल-लेयर-में-परिवर्तन-से-गुजरता-है।-इसे-गणना-करना-जानना-प्रभावी-मॉडल-बनाने-के-लिए-मौलिक-है। सीएनएन-में-कंवोल्यूशनल-लेयर-के-बाद-फीचर-मैप-साइज-निम्नलिखित-सूत्र-का-उपयोग-करके-निर्धारित-किया-जाता-है: यहाँ-प्रत्येक-पैरामीटर-का-विवरण: एक-लोकप्रिय-उपयोग-मामला-मानें-जहाँ-आपके-पास-224x224-पिक्सेल-का-एक-इनपुट-चित्र-है।-आप-एक-कंवोल्यूशनल-लेयर-संग-कर्नेल-साइज-3x3,-पैडिंग-1,-और-स्ट्राइड-1-लागू-करते-हैं।-यहां-बताया-गया-है-कि-आप-फीचर-मैप-साइज-की-गणना-कैसे-करेंगे: इन-मानों-को-हमारे-सूत्र-में-प्लग-इन-करें: परिणामी-फीचर-मैप-अभी-भी-224x224-पिक्सेल-होगा। इस-गणना-के-कार्य-करने-के-लिए,-सभी-इनपुट-पैरामीटर-शून्य-से-अधिक-होने-चाहिए।-इसके-अलावा,-सुनिश्चित-करें-कि-स्ट्राइड-एक-पूर्णांक-हो-जो-परिवर्तित-इनपुट-साइज-(inputSize---kernelSize-+-2-*-padding)-को-बराबर-रूप-से-विभाजित-करता-हो,-अन्यथा-फीचर-मैप-साइज-एक-पूर्णांक-नहीं-होगा-और-सूत्र-काम-नहीं-करेगा। कंवोल्यूशनल-न्यूरल-नेटवर्क-में-फीचर-मैप-साइज-की-गणना-करना-मॉडल-आर्किटेक्चर-और-ऑप्टिमाइज़ेशन-के-लिए-महत्वपूर्ण-है।-सूत्र-(inputSize---kernelSize-+-2-*-padding)-/-stride-+-1-को-समझकर-और-सही-तरीके-से-लागू-करके,-डेटा-वैज्ञानिक-और-इंजीनियर-अधिक-प्रभावी-नेटवर्क-डिज़ाइन-कर-सकते-हैं,-प्रदर्शन-और-दक्षता-को-सुधार-सकते-हैं। पैडिंग-आउटपुट-फीचर-मैप-के-स्थानिक-आयामों-को-नियंत्रित-करने-में-मदद-करता-है।-यह-विशेष-रूप-से-उपयोगी-है-जब-आप-आउटपुट-में-इनपुट-साइज-को-संरक्षित-करना-चाहते-हैं। जब-स्ट्राइड-एक-से-अधिक-होता-है,-तो-कर्नेल-इनपुट-में-पिक्सेल-को-छोड़-देता-है,-जिसके-परिणामस्वरूप-एक-छोटा-आउटपुट-फीचर-मैप-होता-है।-इससे-कम्प्यूटेशनल-लोड-घट-जाता-है। नहीं,-सूत्र-को-गैर-वर्ग-इनपुट-के-लिए-भी-समायोजित-किया-जा-सकता-है,-बशर्ते-की-आप-प्रत्येक-आयाम-(ऊँचाई-और-चौड़ाई)-पर समान तर्क लागू करें। इन दिशानिर्देशों का पालन करके और प्रत्येक पैरामीटर को समझकर, आप कंवोल्यूशनल न्यूरल नेटवर्क की पूरी संभावनाओं का उपयोग कर सकते हैं और अपने गहरे सीखने के मॉडल को कुशलतापूर्वक अनुकूलित कर सकते हैं।outputSize-=-(inputSize---kernelSize-+-2-*-padding)-/-stride-+-1
कंवोल्यूशनल-न्यूरल-नेटवर्क-में-फीचर-मैप-साइज-को-समझना
सूत्र
outputSize-=-(inputSize---kernelSize-+-2-*-padding)-/-stride-+-1
inputSize
:-इनपुट-फीचर-मैप-का-साइज-(पिक्सेल-में-मापा-गया)।kernelSize
:-कंवोल्यूशनल-कर्नेल-का-साइज-(पिक्सेल-में-मापा-गया)।padding
:-इनपुट-की-सीमा-पर-जोड़े-गए-ज़ीरो-पिक्सेल-की-संख्या-(पिक्सेल-में-मापा-गया)।stride
:-इनपुट-फीचर-मैप-पर-कर्नेल-के-चलने-की-संख्या-(पिक्सेल-में-मापा-गया)।इनपुट-और-आउटपुट
इनपुट
inputSize
:-पूर्णांक,-पिक्सेल-की-संख्या-(px)।kernelSize
:-पूर्णांक,-पिक्सेल-की-संख्या-(px)।padding
:-पूर्णांक,-पिक्सेल-की-संख्या-(px)।stride
:-पूर्णांक,-पिक्सेल-की-संख्या-(px)।आउटपुट
outputSize
:-पूर्णांक,-पिक्सेल-की-संख्या-(px)।वास्तविक-जीवन-का-उदाहरण
inputSize:-224,-kernelSize:-3,-padding:-1,-stride:-1
outputSize-=-(224---3-+-2-*-1)-/-1-+-1-=-224
डेटा-सत्यापन
उदाहरण-मान:
inputSize
=-32kernelSize
=-5padding
=-2stride
=-1outputSize
=-परिणामी-फीचर-मैप-साइजआउटपुट:
outputSize
=-32सारांश
अक्सर-पूछे-जाने-वाले-प्रश्न-(एफएक्यू)
पैडिंग-का-उपयोग-क्यों-किया-जाता-है?
यदि-स्ट्राइड-एक-से-अधिक-हो-तो-क्या-होता-है?
क्या-यह-सूत्र-केवल-वर्ग-इनपुट-के-लिए-लागू-होता-है?
Tags: डीप लर्निंग, छवि पहचान, मशीन लर्निंग