Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
توضیحاتی در رابطه با ماجول inception و بلوک residual (در معماری های GoogleNet و ResNet) - پرسش و پاسخ یادگیری عمیق
به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

+1 امتیاز

سلام در مورد اين دو rensnet و inception معماري چيزي ميدونيد ؟ چجوريه ؟ خيلي جديد هستن گويا
ممنون ميشم اطلاعاتي اگه داريد بگيد.
مرسي

توسط (111 امتیاز)

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

سلام . inception معماری نیست یه ماجول هست که در معماری گوگل نت معرفی شد.
چندان جدید نیستن مربوط به سال 2015 میشن. (رزنت اخرای سال بود که اومد)
در مورد Inception قبلا اینجا توضیح دادم .
در مورد ResNet هم باید بگم کاری که کردن این بود که برخلاف معماری های سابق که لایه ها پشت سر هم قرار میگیرفتن و همینطور عمیق میشدن اومدن از یه مفهموم بنام skip connection استفاده کردن. اونم چیزی نیست جز ارسال داده از لایه ما قبل به لایه بعدی. ایده هم این هست که در زمان آموزش لایه بعدی مفاهیم رو با توجه به اطلاعاتی که از لایه قبلیش میگیره فرامیگیره (یعنی دسترسیش به داده ورودی از منظره لایه قبل از خودشه) حالا کاری که اینها میکنن اینه الان علاوه بر اون داده ماقبل لایه زیرین رو هم به لایه بالایی ارائه میکنن و در نتیجه اطلاعات غنی تری در اختیار لایه بالایی قرار میگیره.
علاوه بر این نکته، با این کار گرادیان هم براحتی در شبکه های عمیق قابل انتقال هست. چون اینها داده ها رو از لایه قبل با لایه بعدش جمع میکردن و به لایه بالاتر میدادن موقع عملیات بک پراپگیشن گرادایان برای عمل جمع براحتی تقسیم میشه (یعنی گرادیان هرچی هست به یک اندازه از هر شاخته میگذره اینطور گرادیان بصورت خوبی به ابتدای شبکه منتقل میشه.
نکته دیگه این معماری استفاده از باتل نک هست که در گوگل نت هم برای برای جلوگیری از ازدیاد بیش از حد پارامترها استفاده شده.
تصاویر این بلاکها رو در زیر میتونید ببینید :
یک بلاک Residual :
enter image description here
این هم یک بلاک گلوگاه یا اصطلاحا همون bottleneck هست:
enter image description here

توسط (4.3k امتیاز)
انتخاب شده توسط
ممنونم از باسخگوييتون .
چجوري ميتونم از اين معماري استفاده كنم ؟ و چجوري بايد داده ها رو از ديتا ست وارد كنم ؟
سباس
سلام
استفاده اشون با بقیه معماری ها هیچ فرقی نداره . اگه از کفی استفاده میکنید کافیه فقط لایه data رو عوض کنید و لایه اخر که مربوط به دسته بندی هست (تعداد دسته های خودتون رو مشخص کنید) . بعد اماده اموزش هست.
...