I Colab in questo corso sono obsoleti e verranno rimossi a luglio 2024.
ML Practicum: classificazione delle immagini
Verifica le tue conoscenze: la convoluzione
Un filtro convoluzionale 3x3 bidimensionale viene applicato a una mappa delle funzionalità di input 4x4 bidimensionale
(senza spaziatura interna aggiunta):

Qual è la forma della mappa delle funzionalità di output?
2x2
Poiché il filtro 3 x 3 scorre sulla mappa delle caratteristiche 4 x 4, esistono quattro posizioni uniche in cui può essere posizionata, il che si traduce in una mappa delle caratteristiche di output 2 x 2:

4x4
Per generare una mappa delle caratteristiche di output con le stesse dimensioni della mappa delle caratteristiche di input
senza spaziatura interna, il filtro convoluzionale deve avere una forma di 1x1. Un filtro più grande di 1 x 1 produrrà una mappa delle caratteristiche di output inferiore alla mappa delle caratteristiche di input. Poiché il nostro filtro è 3x3, la mappa delle caratteristiche di output deve essere più piccola di 4 x 4.
3x3
Sebbene il filtro stesso sia 3x3, la mappa delle funzionalità di output è più piccola perché ci sono meno di 9 (3 volte 3) possibili posizioni in cui il filtro può essere posizionato sulla mappa delle funzionalità di input 4x4.
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2022-09-27 UTC.
[null,null,["Ultimo aggiornamento 2022-09-27 UTC."],[[["Applying a 3x3 convolutional filter to a 4x4 input feature map without padding results in a 2x2 output feature map."],["The output feature map is smaller than the input because the filter's size limits the number of positions it can occupy on the input."],["A 1x1 filter would be required to maintain the input's dimensions in the output without padding."]]],[]]