कंवोल्यूशनल न्यूरल नेटवर्क्स में फीचर मैप आकार

कंवोल्यूशनल-न्यूरल-नेटवर्क-में-फीचर-मैप-साइज-को-समझना

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।

सूत्र

सीएनएन-में-कंवोल्यूशनल-लेयर-के-बाद-फीचर-मैप-साइज-निम्नलिखित-सूत्र-का-उपयोग-करके-निर्धारित-किया-जाता-है:

outputSize-=-(inputSize---kernelSize-+-2-*-padding)-/-stride-+-1

यहाँ-प्रत्येक-पैरामीटर-का-विवरण:

• 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

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:

inputSize:-224,-kernelSize:-3,-padding:-1,-stride:-1

इन-मानों-को-हमारे-सूत्र-में-प्लग-इन-करें:

outputSize-=-(224---3-+-2-*-1)-/-1-+-1-=-224

परिणामी-फीचर-मैप-अभी-भी-224x224-पिक्सेल-होगा।

डेटा-सत्यापन

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।

उदाहरण-मान:

• inputSize=-32
• kernelSize=-5
• padding=-2
• stride=-1
• outputSize=-परिणामी-फीचर-मैप-साइज

आउटपुट:

• outputSize=-32

सारांश

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।

अक्सर-पूछे-जाने-वाले-प्रश्न-(एफएक्यू)

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।

Tags: डीप लर्निंग, छवि पहचान, मशीन लर्निंग