Qué hace el Max pooling
En AlexNet, una red neuronal convolucional renovadora, el término de agrupación máxima se introduce en un modelo complejo con múltiples capas, en parte para equilibrar y facilitar el trabajo de la red neuronal en el momento en que se trabaja con imágenes del tamaño que la red neuronal . llame a los especialistas. “estrategia de muestreo no lineal”.
AlexNet es extensamente considerada como una enorme CNN, en tanto que ganó el ILSVRC (Desafío de reconocimiento visual a enorme escala de ImageNet) de 2012, que se considera un jalón en la educación automático y el avance de las redes neuronales (ciertos son Juegos Olímpicos de «visión por PC»).
Proseguir aprendiendo Big Data
A lo largo de esta publicación, se ha familiarizado con las primordiales capas de agrupación en una red neuronal agrupada, con lo que en este momento puede evaluarlas para el análisis de big data. Para proseguir con la educación, le sugerimos que consulte la Guía completa de Big Data, Sabiduría Artificial y Estudio Automático.
A través de expertos y en menos de nueve meses, con esta capacitación intensiva te convertirás en un especialista y vas a poder saber y también detectar las opciones de administración de datos mucho más correctas para estudios de big data. mucho más información y también inscripciones!
Filtro: grupo de kernel
DETALLES: de todos modos, implementaremos solo 1 kernel, pero vamos a tener varios kernels (sus conjuntos se los conoce como filtros). Por servirnos de un ejemplo, en esta primera constelación podríamos tener 32 filtros, con los que de todos modos conseguiremos 32 matrices de salida (este grupo tiene por nombre «mapeo de especificaciones»), cada 28x28x1 dando un total de 25,088 neuronas para nuestra PRIMERA PRIMERA REUNIÓN. neuronas ¿No semejan suficientemente afines para una imagen cuadrada de solo 28 pixeles? Imagínese cuánto mucho más habría si tomáramos una imagen de entrada de 224x224x3 (que todavía se considera un tamaño pequeño)…
Aquí disponemos vea el kernel haciendo el producto de matriz con la imagen de entrada y moviéndose 1 pixel de izquierda a derecha y de abajo hacia arriba y crea una exclusiva matriz que compone el mapa de especificaciones
Primera pregunta: ¿De qué forma marcha el cerebro? ¿humano?
Mucho más exactamente, ¿de qué manera reconocemos cosas y personas a lo que nos rodea o en imágenes? Entender o sea gran parte de la entendimiento de las redes neuronales convolucionales.
En resumen, nuestro entendimiento se apoya en la detección de especificaciones y clasifica lo que observamos consecuentemente.
