💒CNN Mimarisi
CNN Notasyonu
ConvNet
Convolutional Neural Network yerine bu kısaltılmış ad kullanılmakta
ConvNet Hyperparametreleri
Parametre | Terim | Açıklama |
---|---|---|
$f$ | Filter | Filtre boyutu |
$s$ | Stride | Adım sayısı |
$p$ | Padding | Doldurma miktarı |
$n_{filter}$ | # of filter | Filtre sayısı |
ConvNet Örneği
Pooling Layer
Çok derin ağlarda avg pooling
diğerlerinde max pooling
kullanılır
Pooling | Açıklama |
---|---|
Max Pooling | En büyük pixel değerini alır |
Avarage Pooling | Pixellerin ortalamasını alır |
Max Pooling
En belirgiin özellikleri ortaya çıkarır
Filtredeki en büyük pixeli alır
Öğrenme olmaz, sadece işlem hızını etkiler
Parametre ve gradient descent yok
Sadece hyperparametreler var
⚠ Neden iyi çalıştığına dair net bir sebep bilinmiyor.
Neural Network Örneği
Parametrelerin (
w
,b
) olmadığı alanlar katman olarak sayılmazPooling alanları bir öncesindeki CONV ile ortak katman olarak ele alınır
NN'de Katman Tablosu
Activation size ilerledikçe azalır
Convolutional işlemlerinin başladığı
CONV1
katmanında başlayarak azalır
Çok hızlı azalırsa model verimli çalışmaz
Matematiksel Notasyon
Superscript $[l]$ denotes an object of the $l^{th}$ layer.
Example: $a^{[4]}$ is the $4^{th}$ layer activation. $W^{[5]}$ and $b^{[5]}$ are the $5^{th}$ layer parameters.
Superscript $(i)$ denotes an object from the $i^{th}$ example.
Example: $x^{(i)}$ is the $i^{th}$ training example input.
Lowerscript $i$ denotes the $i^{th}$ entry of a vector.
Example: $a^{[l]}_i$ denotes the $i^{th}$ entry of the activations in layer $l$, assuming this is a fully connected (FC) layer.
$n_H$, $n_W$ and $n_C$ denote respectively the height, width and number of channels of a given layer. If you want to reference a specific layer $l$, you can also write $n_H^{[l]}$, $n_W^{[l]}$, $n_C^{[l]}$.
$n_{H_{prev}}$, $n_{W_{prev}}$ and $n_{C_{prev}}$ denote respectively the height, width and number of channels of the previous layer. If referencing a specific layer $l$, this could also be denoted $n_H^{[l-1]}$, $n_W^{[l-1]}$, $n_C^{[l-1]}$.
Last updated