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

0 امتیاز

با عرض سلام و خسته نباشيد

  1. توضيحاتي در مورد وچگونگي محاسبه receptive field
  2. ابعاد kernelچگونه انتخاب ميكنيم
    با تشكر
توسط (100 امتیاز)

1 پاسخ

0 امتیاز

سلام ابعاد کرنل به خیلی چیزا بستگی داره.
به اینکه شبکه این که میخواید ترین کنید چند کلاس مختلف رو قراره شناسایی کنه؟
کلاس هایی که قراره شناسایی بشن چقدر پیچیدگی دارن؟
کرنل برای لایه های ابتدایی یا غیره؟
تنوع کلاس هاتون به چه صورته؟ آیا خیلی به هم شبیهند یه نه؟
ولی در کل معمولا کرنل رو به ابعاد 33 یا 55 میگیرند.
receptive field یعنی اینکه نورون مورد نظر شما چه بخشی از نورون های ورودی به شبکه رو میبینه؟
هر چی receptive field در یک لایه خاص بیشتر باشه یعنی اون لایه استخراج کننده ویژگی های high-level تری هستش
این پست رو ببینی قشنگ نشون داده قضیه چیه
https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807

توسط (830 امتیاز)
...