Informacje w Colab w tym kursie są nieaktualne i zostaną usunięte w lipcu 2024 roku.
ML Practicum: klasyfikacja obrazów
Sprawdź swoją wiedzę: konfrontacja
Dwuwymiarowy, dwuwymiarowy filtr dwuwymiarowy jest stosowany w Dwuwymiarowej mapie wejściowej z wymiarami 4 x 4
(nie dodano dopełnienia):

Jaki jest kształt mapy funkcji wyjściowych?
3x3
Sam filtr ma wymiary 3 x 3, ale mapa funkcji wyjściowej jest mniejsza, ponieważ istnieje mniej niż 9 (3 razy 3) lokalizacje, w których można umieścić filtr na wejściowej mapie funkcji 4 x 4.
2x2
Filtr 3 x 3 przesuwa się nad mapą funkcji 4 x 4, dlatego możesz umieścić 4 unikalne lokalizacje, w których może się pojawić mapa funkcji wyjściowych 2 x 2:

.
4x4
Aby wygenerować mapę cechy wyjściowej o tych samych wymiarach, co mapa cechy wejściowej bez dopełniania, filtr konwakcyjny musi mieć kształt 1 x 1. Filtr większy niż 1 x 1 wygeneruje mapę funkcji wyjściowych, która jest mniejsza niż mapa cechy wejściowej. Filtr korzysta z wymiarów 3 x 3, więc mapa funkcji wyjściowych musi być mniejsza niż 4 x 4.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2022-09-27 UTC.
[null,null,["Ostatnia aktualizacja: 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."]]],[]]