En yaygın evrişimli sinir ağları, çıktı özelliklerinin boyutlarını azaltmak için havuz katmanları içerir. Neden aynı şeyi kıvrımlı katmanın adımını artırarak elde edemedim? Havuz katmanını gerekli kılan nedir?
En yaygın evrişimli sinir ağları, çıktı özelliklerinin boyutlarını azaltmak için havuz katmanları içerir. Neden aynı şeyi kıvrımlı katmanın adımını artırarak elde edemedim? Havuz katmanını gerekli kılan nedir?
Yanıtlar:
Bunu gerçekten yapabilirsiniz, bkz . Sadelik için çabalama: Tüm Evrimsel Ağ . Havuzlama size yardımcı olabilecek veya olmayabilecek bir miktar çeviri değişmezliği sağlar. Ayrıca, havuzlamanın hesaplanması kıvrımlardan daha hızlıdır. Yine de, havuzlamayı her zaman evrişimle adım adım değiştirmeyi deneyebilir ve neyin daha iyi çalıştığını görebilirsiniz.
Bazı güncel çalışmalar ortalama havuzlama kullanır ( Geniş Artık Ağlar , DenseNets ), diğerleri ise adım adım evrişim kullanır ( DelugeNets )
Görünüşe göre maksimum havuzlama, görüntünün en keskin özelliklerini ayıkladığından yardımcı olur. Bu nedenle, bir görüntü verildiğinde, en keskin özellikler görüntünün en iyi alt düzey temsilidir. https://www.quora.com/What-is-the-benefit-of-using-average-pooling-rather-than-max-pooling
Ancak Andrew Ng'in Derin Öğrenme dersine göre, maksimum havuzlama iyi çalışıyor, ancak kimse nedenini bilmiyor. Alıntı -> "Ama itiraf etmeliyim ki, insanların maksimum havuzlama kullanmasının ana nedeni, iyi çalışmak için birçok denemede bulunması, ... Bunun gerçek olup olmadığını tam olarak bilen kimseyi bilmiyorum. altında yatan sebep. "