ごうせいニューラルネットワーク
したがって,高解像度の画像や音声などの高レベルのデータを入力しても,無限のニューロンに増やさずに学習を行うことができる.
ごうせいニューラルネットワーク
高レベルニューロンは隣接する低レベルニューロンの出力に基づいて構築されたニューラルネットワークモデルであり,各ニューロンは前層のいくつかのニューロンにのみ接続されている.このような構造は,視野領域全体に含まれるすべてのタイプの複雑なモードを検出することができる.
1)合成ニューラルネットワークの構成
最初の合成乗算ニューロンは、入力画像のすべての画素に接続されるのではなく、合成乗算ニューロンの受容場にのみ接続される画素である.次に、2番目の合成乗算層の各ニューロンは、1番目の層の小さな四角領域に位置するニューロンに接続される...
この構造は、ネットワークを第1の隠蔽層で小さな低レベル特性に集中させ、第2の隠蔽層では、より大きな高レベル特性の階層に突出して組み合わせる.
DN:1つのポイントのパターンを認識することを学習した場合、パターンがそのポイントにある場合にのみ検出されます.
2)合成ニューラルネットワークの実現
#저수준 딥러닝 API
#각 채널의 픽셀 강도는 0에서 255 사이의 값을 가진 바이트 하나로 표현되어 0-1 로 스케일링 해줌
image = load_sample_image("flower.jpg")/255
output = tf.nn.conv2d(image, filters, strides, padding = "SAME")
#첫번째 이미지의 두번째 특성맵을 그림
plt.imshow(output[0, :, :, 1], cmap = 'gray')
plt.show()
padding
#신경망이 가장 잘 맞는 필터 학습
conv = keras.layers.Conv2D(filters = 32, kernel_size = 3, strides = 1,
padding = 'same', activation = 'relu')
回転/スケーリング等に不変性を与える、予測時にこれらの小部分の影響を受けない
場合によっては、入力値(不変性ではなく)が変化すると、出力値が変化する必要がある場合があります.この状況は逆効果になるかもしれない.
#poolsize = kernel size
max_pool = keras.layers.MaxPool2D(pool_size = 2)
#깊이 차원으로 풀링
#커널 크기와 스트라이드의 첫번째 세값은 1, 마지막 값은 깊이 차원으로 지정
#단, 입력 깊이를 나누었을 때 떨어지는 값이어야 한다
output = tf.nn.max_pool(images, ksize= (1,1,1,3), strides = (1,1,1,3), padding ='valid')
#or
depth_pool = keras.layers.Lambda(lambda X: tf.nn.max_pool(X, ksize = (1,1,1,3),
strides = (1,1,1,3), padding = 'valid')
通常、フィルタ数は、充填層の後に2倍の
model = keras.model.Sequential([
keras.layers.Conv2D(64,7, activation = 'relu', padding = 'same', input_shape=[28,28,1]),
keras.layers.MaxPooling2D(2),
keras.layers.Conv2D(128,3, activation ='relu', padding = 'same'),
keras.layers.Conv2D(128,3, activation ='relu', padding = 'same'),
keras.layers.MaxPooling2D(2),
keras.layers.Conv2D(256,3, activation ='relu', padding = 'same'),
keras.layers.Conv2D(256,3, activation ='relu', padding = 'same'),
keras.layers.MaxPooling2D(2),
keras.layers.Flatten(),
keras.layers.Dense(128, activation = 'relu),
keras.layers.Dropout(0.5)
keras.layers.Dense(10, activation = 'softmax')])
画像ソース:ハンソンマシン学習(第2版)Reference
この問題について(ごうせいニューラルネットワーク), 我々は、より多くの情報をここで見つけました https://velog.io/@cherria96/합성곱신경망テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol