WEBVTT 00:00.640 --> 00:02.940 Cześć i witamy z powrotem na kursie głębokiego uczenia się. 00:02.970 --> 00:09.120 Dzisiaj mówimy o wskazówce, która jest prostowana w twoich jednostkach i jest to dodatkowy 00:09.120 --> 00:12.180 krok na szczycie naszego kroku splotu. 00:12.180 --> 00:16.140 Więc to nie jest oddzielny duży krok, to mały krok w pierwszym kroku. 00:16.290 --> 00:18.230 I co tu się dzieje. 00:18.240 --> 00:24.090 Mamy nasz obraz wejściowy, który wszyscy mamy splot, o którym mówiliśmy, a 00:24.090 --> 00:26.080 następnie będziemy go stosować. 00:26.400 --> 00:27.190 Czekaj na to. 00:27.240 --> 00:36.720 Nasza ulubiona funkcja prostownika i znasz funkcję prostownika z poprzedniej sekcji na temat sztucznych sieci 00:36.750 --> 00:47.400 neuronowych iw naszych Czasami autorzy lub instruktorzy dzielą splot i bezpośredni ogień jako dwa osobne kroki w 00:47.430 --> 00:54.030 naszych przykładach, które uznają je za słuszne jeden duży krok dla 00:54.030 --> 00:57.060 drugiej ewolucji, potem prostownik. 00:57.270 --> 01:03.750 Powodem, dla którego stosujemy prostownik, jest to, że chcemy zwiększyć nieliniowość w naszym obrazie lub 01:03.780 --> 01:13.410 w naszej sieci i naszej komercyjnej sieci neuronowej, a nasz ogień działa jako ten filtr lub dostęp do tej funkcji, która rozpada 01:13.440 --> 01:19.200 się, a ty, arion i powodem, dla którego chcemy zwiększyć nieliniowość w 01:19.440 --> 01:25.950 naszej sieci, jest to, że same obrazy są wysoce nieliniowe, zwłaszcza jeśli rozpoznajesz różne obiekty 01:26.010 --> 01:32.790 obok siebie lub tylko na tle i takie tam, jak obraz będzie miał wiele nieliniowych 01:33.180 --> 01:38.050 elementów a przejście między pikselami sąsiadującymi pikselami jest często nieliniowe. 01:38.040 --> 01:41.280 To wiesz, ponieważ jego granice różnią się od siebie kolorami. 01:41.460 --> 01:46.020 Na twoich obrazach są różne elementy, ale w tym 01:46.020 --> 01:52.410 samym czasie, gdy stosujemy matematyczną operację, taką jak splot, który znasz i uruchamiasz wykrywanie 01:52.710 --> 01:59.710 cech, aby stworzyć nasze mapy funkcji, ryzykujemy, że stworzymy coś liniowego i dlatego musimy zerwać narracja. 01:59.970 --> 02:05.960 Spójrzmy więc na przykład na obraz i oryginalny obraz. 02:05.970 --> 02:13.220 Teraz, gdy zastosujemy detektor wykrywania cech tego obrazu, otrzymujemy coś takiego. 02:13.290 --> 02:16.230 Więc widać tutaj, że czarny to negatywny biały, to także wartość dodatnia. 02:16.230 --> 02:22.980 Kiedy zastosujesz wykrywacz obiektów do podobnego obrazu, który ma nie tylko zera i jedynek, ale ma wiele 02:22.980 --> 02:28.890 różnych wartości i aplikujesz, jak widzieliśmy wcześniej, Texas może mieć ujemne wartości w sobie, 02:29.070 --> 02:30.920 czasami otrzymasz wartości ujemne. 02:31.080 --> 02:34.670 A tutaj czarne są negatywne, białe są pozytywne. 02:34.800 --> 02:45.240 A funkcja wyprostowanej jednostki liniowej usuwa wszystkie czarne prawa w czymkolwiek poniżej zera, a następnie zamienia się 02:45.240 --> 02:46.490 w zero. 02:46.560 --> 02:49.160 I z tego wynika to prawo. 02:49.290 --> 02:57.990 I tak trudno jest zobaczyć, jaka jest dokładnie korzyść pod względem zerwania 02:58.050 --> 02:58.910 liniowości. 02:59.400 --> 03:01.050 Spróbuję wyjaśnić. 03:01.080 --> 03:07.740 Spróbuję pokazać przykład na tym obrazie, ale pod koniec dnia jest to bardzo matematyczna koncepcja i 03:07.740 --> 03:12.480 musiałaby przejść wiele matematyki, aby naprawdę wyjaśnić, co się dzieje. 03:12.480 --> 03:13.800 Ale spróbujmy, popatrzmy. 03:13.800 --> 03:16.800 A więc na przykład spójrzmy na to. 03:16.860 --> 03:17.580 Ten budynek tutaj. 03:17.580 --> 03:18.070 Dobrze. 03:18.090 --> 03:20.150 Więc to jest budynek sam w sobie. 03:20.730 --> 03:22.400 Wtedy możesz zobaczyć ten cień. 03:22.440 --> 03:29.010 Ta czarna część tego cienia tutaj dobrze widzi, że to białe odbicie światła, a potem jest szara, a 03:29.010 --> 03:33.160 potem robi się ciemniejsza, a potem znowu robi się ciemniejsza. 03:33.240 --> 03:35.860 Tak więc, kiedy ją wyciągamy, wyciągamy tę czarną plamę. 03:35.860 --> 03:38.220 Pomyśl o tym w kategoriach liniowości właściwej. 03:38.250 --> 03:43.700 Wygląda na to, że kiedy przejdziesz od białego do szarego, następny krok będzie czarny. 03:43.740 --> 03:50.970 Prawo do następnego jest czarne, jest to liniowy postęp od jasnego do ciemnego i dlatego 03:50.970 --> 03:53.490 jest to sytuacja liniowa. 03:53.490 --> 03:56.560 Kiedy wyjmiesz czarny, przełamiesz liniowość. 03:56.670 --> 03:57.800 Spróbujmy innego. 03:58.050 --> 03:59.110 Spójrzmy tutaj. 03:59.220 --> 04:01.980 A jednocześnie wciąż ten sam budynek jest właściwy. 04:01.980 --> 04:08.320 Nie chodzi o to, że ty lub twoja nie lubicie mieszania dwóch budynków ze sobą, ale 04:08.550 --> 04:09.810 to jest drugorzędne. 04:09.810 --> 04:11.940 Głównym punktem jest zerwanie liniowości. 04:12.210 --> 04:13.590 Spójrzmy więc na to samo. 04:13.590 --> 04:19.480 Więc widzisz biały szary czarny szary biały. 04:19.590 --> 04:22.520 A kiedy to rozwiążesz, już tego nie masz. 04:22.530 --> 04:29.600 Nie masz tego progresywnego progresu, który po prostu masz jak nagłą zmianę. 04:29.730 --> 04:33.540 Pomaga to wprowadzić nieliniowość w obrazie. 04:33.540 --> 04:42.540 Jest to bardzo szorstkie wytłumaczenie, bardzo podobne do wyjaśnienia na palcach, a nie techniczne, ale mam nadzieję, że 04:42.690 --> 04:47.370 pomaga to lepiej zrozumieć, o czym tu mówimy. 04:47.370 --> 04:54.870 Więc tutaj znowu widzisz biały szary jest lepszym przykładem nawet do jasnego ciemniejszego ciemniejszego ciemniejszego i ciemniejszego 04:54.980 --> 04:55.680 ciemniejszego. 04:55.680 --> 05:04.460 Tak więc ta część wygląda na cieńszą, niż to rozbijasz, więc jest to bardzo szorstkie wyjaśnienie. 05:04.480 --> 05:08.570 Nie jest absolutnie doskonały, ale przynajmniej daje ci wyobrażenie o tym, co się dzieje. 05:08.800 --> 05:14.120 Ale jeśli chcesz dowiedzieć się więcej, masz dobry papier, ponieważ zawsze jest papier. 05:14.200 --> 05:20.370 Ten jest przez korpus CCJ z University of California i nazywa się Zrozumienie splotowych sieci 05:20.380 --> 05:22.980 neuronowych, które mają model matematyczny. 05:23.200 --> 05:28.840 I w gruncie rzeczy to On odpowiada na pytania i musisz po prostu spojrzeć na pierwszą. 05:28.840 --> 05:33.820 Pytanie brzmi, dlaczego nie jest niezbędna nieliniowa funkcja aktywacji na wyjściu 05:33.820 --> 05:36.130 filtra wszystkich warstw pośrednich. 05:36.220 --> 05:44.280 Taki rodzaj wyjaśnia to nieco bardziej szczegółowo zarówno pod względem intuicji, jak i głównie w zakresie matematyki. 05:44.320 --> 05:47.970 To interesujący artykuł, w którym można uzyskać dodatkowe informacje na ten temat. 05:48.100 --> 05:53.360 A jeśli naprawdę chcesz zagłębić się i odkryć kilka fajnych rzeczy tutaj. 05:53.360 --> 05:55.690 Jest jeszcze inny artykuł, który może Cię zainteresować. 05:55.690 --> 06:01.720 Nazywa się to zagłębianiem się w prostownik przekraczający poziom ludzki na obrazie i 06:01.720 --> 06:02.830 tej klasyfikacji. 06:02.920 --> 06:09.190 I tutaj autor przeczesuje włosy i inne z Microsoft Research. 06:09.400 --> 06:17.630 Proponują inny rodzaj rektyfikowanej funkcji jednostki szczuplejszej. 06:17.650 --> 06:21.830 Proponują parametrycznie wyprostowaną funkcję, którą widzicie tutaj po prawej stronie. 06:22.030 --> 06:26.740 Twierdzą, że zapewnia lepsze wyniki bez obniżania wydajności. 06:26.740 --> 06:30.200 Tak interesująca lektura, jeśli chcesz trochę pogłębić ten temat. 06:30.490 --> 06:32.020 I to wszystko na dzisiaj. 06:32.280 --> 06:38.380 Naprawdę, warstwa jest dość prosta, więc do regulacji wystarczy zastosowanie funkcji prostownika i czekam na ciebie 06:38.380 --> 06:39.230 następnym razem. 06:39.250 --> 06:40.770 Do tego czasu cieszcie się nauką.