ML Practicum: סיווג תמונות
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
בדיקת ההבנה: קונבולוציה
מסנן קונבולוציה דו-ממדי בגודל 3x3 מוחל על מפת תכונות קלט דו-ממדית בגודל 4x4 (ללא ריפוד):
What is the shape of the output feature map?
2x2
כשמסננים את מפת התכונות בגודל 4x4 באמצעות מסנן בגודל 3x3, יש 4 מיקומים ייחודיים שאפשר להציב בהם את המסנן, ולכן מתקבלת מפת תכונות בגודל 2x2:
3x3
המסנן עצמו הוא בגודל 3x3, אבל מפת התכונות של הפלט קטנה יותר כי יש פחות מ-9 (3 כפול 3) מיקומים אפשריים שבהם אפשר להציב את המסנן במפת התכונות של הקלט בגודל 4x4.
4x4
כדי ליצור מפת תכונות פלט עם אותם ממדים כמו מפת תכונות הקלט
ללא ריפוד, מסנן הקונבולוציה צריך להיות בצורה של 1x1. מסנן
שגדול מ-1x1 ייצור מפת ישויות פלט שהיא קטנה יותר ממפת ישויות הקלט. מכיוון שהמסנן שלנו הוא 3x3, מפת התכונות של הפלט חייבת להיות קטנה יותר מ-4x4.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-27 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-27 (שעון UTC)."],[[["\u003cp\u003eApplying a 3x3 convolutional filter to a 4x4 input feature map without padding results in a 2x2 output feature map.\u003c/p\u003e\n"],["\u003cp\u003eThe output feature map is smaller than the input because the filter's size limits the number of positions it can occupy on the input.\u003c/p\u003e\n"],["\u003cp\u003eA 1x1 filter would be required to maintain the input's dimensions in the output without padding.\u003c/p\u003e\n"]]],[],null,["# ML Practicum: Image Classification\n\n\u003cbr /\u003e\n\nCheck Your Understanding: Convolution\n-------------------------------------\n\nA two-dimensional, 3x3 convolutional filter is applied to a two-dimensional 4x4 input feature map\n(no padding added):\n\nWhat is the shape of the output feature map? \n2x2 \nAs the 3x3 filter slides over the 4x4 feature map, there are 4 unique locations in which it can be placed, which results in a 2x2 output feature map: \n3x3 \nWhile the filter itself is 3x3, the output feature map is smaller because there are fewer than 9 (3 times 3) possible locations where the filter can be placed on the 4x4 input feature map. \n4x4 \nTo generate an output feature map with the same dimensions as the input feature map with no padding, the convolutional filter would have to be 1x1 in shape. A filter larger than 1x1 will produce an output feature map that is smaller than the input feature map. Because our filter is 3x3, the output feature map must be smaller than 4x4."]]
