Max pooling di Torên Neuralî yên Convolutional (CNN) de operasyonek krîtîk e ku di derxistina taybetmendiyê û kêmkirina pîvanê de rolek girîng dilîze. Di çarçoweya peywirên dabeşkirina wêneyê de, berhevkirina max piştî qatên hevedudanî tê sepandin da ku nexşeyên taybetmendiyê dakêşin, ku di girtina taybetmendiyên girîng de digel kêmkirina tevliheviya hesabkirinê dibe alîkar.
Armanca bingehîn a berhevkirina max ew e ku di CNN-an de guhezbariya werger û kontrolkirina zêdeyî peyda bike. Neguhêrbariya wergêrê behsa şiyana torê dike ku heman şêweyê nas bike bêyî ku cihê wê di nav wêneyê de be. Bi hilbijartina nirxa herî zêde di nav pencereyek taybetî de (bi gelemperî 2×2 an 3×3), berhevkirina herî zêde piştrast dike ku her çend taybetmendiyek piçek were guheztin jî, tor dîsa jî dikare wê bibîne. Ev taybetmendî di karên mîna naskirina tiştan de girîng e ku pozîsyona tiştek di wêneyên cûda de cûda dibe.
Digel vê yekê, berhevkirina max di kêmkirina pîvanên cîhê yên nexşeyên taybetmendiyê de dibe alîkar, ku dibe sedema kêmbûna hejmara parametran û barkirina hesabkirinê di qatên paşîn de. Ev kêmkirina pîvanê sûdmend e ji ber ku ew bi peydakirina rengek rêkûpêkbûnê re dibe alîkar ku pêşî li zêdebûnê bigire. Zêdebûn çêdibe dema ku modelek hûrgulî û dengek di daneyên perwerdehiyê de fêr dibe bi qasî ku ew bandorek neyînî li performansa modelê li ser daneyên nedîtî dike. Max pooling di hêsankirina nûnerên fêrbûyî de bi balkişandina li ser taybetmendiyên herî girîng re dibe alîkar, bi vî rengî kapasîteyên giştîkirina modelê baştir dike.
Digel vê yekê, berhevkirina max bihêzbûna torê ji guheztinên piçûk an guheztinên di daneya têketinê de zêde dike. Bi hilbijartina nirxa herî zêde li her herêmek herêmî, operasyona hevgirtinê taybetmendiyên herî berbiçav digire dema ku guheztinên piçûk an deng derdixe. Vê taybetmendiyê torê li hember veguhertinên mîna pîvandin, zivirandin, an texrîbatên piçûk ên di wêneyên têketinê de toleranstir dike, bi vî rengî performansa giştî û pêbaweriya wê baştir dike.
Ji bo ronîkirina têgîna berhevkirina max, senaryoyek hîpotetîk bihesibînin ku CNN bi dabeşkirina wêneyên jimareyên destnivîskirî tê peywirdar kirin. Piştî ku tebeqeyên konvolutional taybetmendiyên cihêreng ên mîna kevçî, quncik, û tevnek derdixin, berhevkirina max tê sepandin da ku nexşeyên taybetmendiyê dakêşin. Bi hilbijartina nirxa herî zêde ya di her pencereya berhevkirinê de, tora balê dikişîne ser taybetmendiyên herî têkildar di heman demê de agahdariya kêmtir girîng jî diavêje. Ev pêvajo ne tenê barê hesabkirinê kêm dike, lê di heman demê de şiyana torê ya giştîkirina jimareyên nedîtî bi girtina taybetmendiyên bingehîn ên wêneyên têketinê jî zêde dike.
Max pooling di CNN-an de operasyonek girîng e ku guhezbariya werger peyda dike, zêde guncan kontrol dike, tevliheviya hesabkirinê kêm dike, û bihêzbûna torê ji guheztinên daneya têketinê re zêde dike. Bi daxistina nexşeyên taybetmendiyê û girtina taybetmendiyên herî girîng, berhevkirina max di baştirkirina performans û karbidestiya torên neuralî yên hevgirtî de di karên cihêreng ên dîtina komputerê de rolek girîng dilîze.
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?
- Pêvajoya derxistina taybetmendiyê di tora neuralî ya hevgirtî (CNN) de ji bo naskirina wêneyê çawa tê sepandin?
- 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