Hejmara kanalên têketinê, ku pîvana yekem a fonksiyona nn.Conv2d di PyTorch de ye, ji hejmara nexşeyên taybetmendiyê an kanalên di wêneya têketinê de vedibêje. Ew rasterast bi hejmara nirxên "reng" ên wêneyê ve ne girêdayî ye, lê ji ber vê yekê hejmarek taybetmendî an nimûneyên cihêreng ên ku tor dikare jê fêr bibe temsîl dike.
Di torgilokek neuralî ya hevgirtî (CNN) de, her qatek ji gelek fîlter an kernelên ku bi wêneya têketinê re têkildar in ji bo derxistina taybetmendiyan pêk tê. Van fîlteran ji fêrbûna şêwaz an taybetmendiyên cihêreng ên di daneya têketinê de hene berpirsiyar in. Hejmara kanalên têketinê hejmara parzûnên ku di qatê de têne bikar anîn diyar dike.
Ji bo têgihîştina vê têgehê, em nimûneyek bifikirin. Bifikirin ku me wêneyek RGB bi pîvanên 32×32 heye. Di wêneyê de her pixel sê kanalên rengîn hene - sor, kesk û şîn. Ji ber vê yekê, wêneyê têketinê sê kanalên têketinê hene. Ger em vê wêneyê bi 16 kanalên têketinê ve di qatek hevgirtî re derbas bikin, ev tê vê wateyê ku dê 16 fîlterên qatê hebin, ku her yek ji wan dê bi wêneya têketinê re têkildar be da ku taybetmendiyên cihêreng derxîne.
Armanca hebûna çend kanalên têketinê ev e ku meriv aliyên cûda an taybetmendiyên daneyên têketinê bigire. Di mijara wêneyan de, her kanal dikare wekî nexşeyek taybetmendiyek cûda were dîtin ku qalibên taybetî digire, wek xêv, tevnek, an reng. Bi hebûna çend kanalên têketinê, torê dikare nûneratiyên tevlihevtir ên daneyên têketinê fêr bibe.
Hejmara kanalên têketinê jî bandorê li ser hejmara parametreyên di qata hevgirtî de dike. Her parzûnek di qatê de matrixek piçûk a giranan e ku di pêvajoya perwerdehiyê de fêr dibe. Hejmara pîvanên di qatê de ji hêla mezinahiya parzûnan û hejmara kanalên ketin û derketinê ve têne destnîşankirin. Zêdekirina hejmara kanalên têketinê hejmara parametreyan zêde dike, ku dikare torê eşkeretir lê di heman demê de ji hêla hesabkirinê ve jî bihatir bike.
Hejmara kanalên têketinê di fonksiyona nn.Conv2d de hejmara nexşeyên taybetmendiyê an kanalên di wêneya têketinê de destnîşan dike. Ew hejmara fîlterên ku di qata hevedudanî de têne bikar anîn destnîşan dike û bandorê li şiyana torê ya fêrbûna temsîlên tevlihev ên daneyên têketinê dike.
Pirs û bersivên din ên vê dawiyê di derbarê Torgiloka neural a konvolution (CNN):
- Tora neuralî ya herî mezin a konvolutional ku hatî çêkirin çi ye?
- Kanalên derketinê çi ne?
- Hin teknîkên hevpar ên ji bo baştirkirina performansa CNN-ê di dema perwerdehiyê de çi ne?
- Di perwerdehiya CNN de girîngiya mezinahiya komê çi ye? Ew çawa bandorê li pêvajoya perwerdehiyê dike?
- Çima girîng e ku daneyan li komên perwerdehî û pejirandinê veqetînin? Çiqas dane bi gelemperî ji bo pejirandinê têne veqetandin?
- Em çawa daneyên perwerdehiyê ji bo CNN amade dikin? Pêngavên tê de rave bikin.
- Armanca optimîzator û fonksiyona windakirinê di perwerdekirina tora neuralî ya pevgirêdayî (CNN) de çi ye?
- Çima girîng e ku meriv di qonaxên cihêreng de di dema perwerdekirina CNN de şeklê daneya têketinê bişopîne?
- Ma qatên konvolutional ji bilî wêneyan ji bo daneyan têne bikar anîn? Mînakekê bidin.
- Meriv çawa dikare mezinahiya guncan ji bo qatên xêzkirî di CNN de diyar bike?
Di tora neuralî ya Convolution (CNN) de bêtir pirs û bersivan bibînin