Derxistina taybetmendiyê di pêvajoya tora neuralî ya tevlihev (CNN) de gavek girîng e ku ji bo peywirên naskirina wêneyê tê sepandin. Di CNN de, pêvajoya derxistina taybetmendiyê derxistina taybetmendiyên watedar ji wêneyên têketinê vedihewîne da ku dabeşkirina rastîn hêsantir bike. Ev pêvajo bingehîn e ji ber ku nirxên pixelên xav ên ji wêneyan rasterast ji bo karên dabeşkirinê ne maqûl in. Bi derxistina taybetmendiyên têkildar, CNN dikarin fêr bibin ku qalib û şekilên di nav wêneyan de nas bikin, rê bidin wan ku di navbera çînên cihêreng ên tiştan an saziyan de cûdahiyê bikin.
Pêvajoya derxistina taybetmendiyê di CNN-an de bi gelemperî karanîna qatên konvokî vedihewîne. Van qatan fîlteran, ku wekî kernel jî têne zanîn, li ser wêneya têketinê bicîh dikin. Her parzûn li seranserê wêneya têketinê dişoxilîne, operasyonên pirjimarî û berhevkirina hêmanan pêk tîne da ku nexşeyek taybetmendiyê çêbike. Nexşeyên taybetmendiyê qalibên taybetî an taybetmendiyên ku di wêneya têketinê de hene, wek kevî, tevnvîs, an şekil digirin. Bikaranîna gelek fîlteran di qatên hevedudanî de dihêle ku CNN li ser hiyerarşiyên cihêreng komek taybetmendiyên cihêreng derxîne.
Piştî qatên hevedudanî, CNN bi gelemperî fonksiyonên aktîfkirinê yên mîna ReLU (Yekîneya Rêzeya Serastkirî) vedihewîne da ku ne-xêziyê bixe nav modelê. Fonksiyonên aktîvkirina ne-xêzik ji bo ku CNN karibe têkilî û şêwazên tevlihev di nav daneyan de fêr bibe pir girîng e. Tebeqeyên hevgirtinê, wek berhevkirina max an berhevkirina navîn, hingê bi gelemperî têne sepandin da ku pîvanên cîhê yên nexşeyên taybetmendiyê kêm bikin dema ku agahdariya herî têkildar diparêzin. Hevgirtin dibe alîkar ku torê ji guheztinên wêneyên têketinê xurttir bibe û tevliheviya hesabkirinê kêm bike.
Li dû tebeqeyên hevedudanî û hevgirtinê, taybetmendiyên ku hatine derxistin di vektorekê de têne xêzkirin û di yek an çend qatên bi tevahî ve girêdayî re derbas dibin. Van qatan wekî dabeşker kar dikin, fêr dibin ku nexşeya taybetmendiyên derxistinê ji çînên derketinê yên têkildar re bikin. Parçeya paşîn a bi tevahî ve girêdayî bi gelemperî fonksiyonek aktîvkirina softmax bikar tîne da ku îhtîmalên pola ji bo karên dabeşkirina pir-polî biafirîne.
Ji bo ronîkirina pêvajoya derxistina taybetmendiyê di CNN-ê de ji bo naskirina wêneyê, mînaka dabeşkirina wêneyên kincan bifikirin. Di vê senaryoyê de, CNN dê fêr bibe ku taybetmendiyên mîna tevn, reng, û nexşên ku ji cûreyên cûda yên cil û bergan re, wek pêlav, kiras, an pantor, yekta derxîne. Bi hilberandina danehevek mezin a wêneyên cil û bergên binavkirî, CNN dê dûbare fîlter û giraniyên xwe rast bike da ku bi rast van taybetmendiyên cihêreng nas bike û binav bike, di dawiyê de rê dide wê ku bi rastbûna bilind pêşbîniyan li ser wêneyên nedîtî bike.
Derxistina taybetmendiyê ji bo naskirina wêneyê hêmanek bingehîn a CNN-ê ye, ku dihêle ku model fêr bibe û cûdahiyê bixe navbera qalib û taybetmendiyên têkildar ên di nav wêneyên têketinê de. Bi karanîna qatên hevgirtî, fonksiyonên aktîfkirinê, qatên hevgirtinê, û qatên bi tevahî ve girêdayî, CNN dikarin bi bandor taybetmendiyên watedar derxînin û bi kar bînin da ku peywirên dabeşkirina rastîn pêk bînin.
Pirs û bersivên din ên vê dawiyê di derbarê Bingehîn TensorFlow EITC/AI/TFF:
- Meriv çawa dikare qatek binavkirî bikar bîne da ku bixweber axên rast ji bo nexşeyek nûnertiya peyvan wekî vektor destnîşan bike?
- Armanca berhevkirina max di CNN de çi ye?
- Ma pêdivî ye ku ji bo modelên fêrbûna makîneyê yên ku li TensorFlow.js têne xebitandin fonksiyonek fêrbûna asynkron bikar bînin?
- Parametreya herî zêde ya peyvan a TensorFlow Keras Tokenizer API çi ye?
- Ma TensorFlow Keras Tokenizer API dikare were bikar anîn da ku peyvên herî pir caran bibîne?
- TOCO çi ye?
- Têkiliya di navbera çend serdeman de di modelek fêrbûna makîneyê de û rastbûna pêşbîniya ji xebitandina modelê de çi ye?
- Ma API-ya cîranên pakêtê di Fêrbûna Structured Neural of TensorFlow de li ser bingeha daneya grafika xwezayî danûstendinek perwerdehiya zêdekirî çêdike?
- API-ya cîranên pakêtê di Fêrbûna Structured Neural of TensorFlow de çi ye?
- Ma Fêrbûna Structured Neural dikare bi daneyên ku ji bo wan grafikek xwezayî tune were bikar anîn?
Pir pirs û bersivan di EITC/AI/TFF TensorFlow Fundamentals de bibînin