깊은 자동 인코딩을 구현하는 방법 (CNN (convulutional neural network)에서 필터를 얻는 방법은 무엇입니까?) 제 생각은 다음과 같습니다 : 입력 이미지의 무작위 이미지 (28x28)를 만들고 무작위 패치 (8x8)를 얻은 다음 자동 인코딩 (피처 = 숨겨진 단위, 예를 들어 약 100)를 익히고 입력 이미지에 피쳐 필터를 적용하고 컨볼 루션을 수행합니다. 정확합니까?길쌈 신경 네트워크에서 필터를 얻거나 정의하는 방법은 무엇입니까?
언젠가는 문헌의 상태로만 표시되기 때문에 혼란 스럽습니다. 같은 8을 사용하여, 필터,하지만 내 경우에는 100 .. 2 또는 3 레이어가 있습니까? 어떤 아이디어 또는 자원?
당신은 튜토리얼을 따라 할 수 http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
을이 모두 자동 인코더에 대한 강의와 CNN에 대한 몇 가지 간단한 물건 (회선 및 풀링)과 같다. 이 튜토리얼을 완료하면 자동 엔코더 구현과 쌓인 자동 엔코더가 단어 자동 엔코더 구현 준비가 완료 될 것입니다.
이 튜토리얼은 정확하게 당신이 무엇을 물어해야합니다 :
28x28 MNIST 이미지
의 8 × 8 패치를 받고 이들의 8x8으로 이러한 이미지를 컨볼 루션 자동 인코더
를 사용하여 필터를 학습 필터
풀링
풀 벡터/이미지를 사용하여 소프트 - 맥스 분류기에 넣고 10 가지 다른 클래스의 MNIST 데이터베이스를 학습합니다.
예. 감사합니다. 그 튜토리얼도 찾았습니다. :) – RockTheStar
그래서 이것을 추가 할 수 있습니다 -> 나는 추종자 네트워크로 끝났습니다 : –
Layer1은 비선형 성/레이어 2 서브 샘플링 또는 2by2/레이어 3과 결합하는 32 비트 크기의 convolve를위한 크기 3by3 및 Sigmoid 함수 32 개의 필터로 컨벌루션합니다 2by2 및 sigmoid의 필터/2by2/Layer 5 softmax 분류자를 갖는 Layer4 서브 샘플. 이것은 무작위로 초기화하는 것에 따라 % 98 이상을 제공합니다. 더 큰 회선 크기와 필터 수를 줄이고 2 주 후에 결과를 알려 드리겠습니다. 하지만 CNN을 사용하지 않고 자동 엔코더와 softmax 레이어를 사용하지 않고서는 결코 97 %에 도달하지 못할 것이라고 말할 수 있습니다. –
도움을 드리고 싶지만 질문에 대해 조금 더 이해해야합니다. ** 레이어 당 필터 수를 선택하는 방법을 묻고 있습니까? ** 또는 필터를 익히기 위해 사용할 코드는 무엇입니까? ** 아니면 다른 것입니까? – solvingPuzzles