WEBVTT 00:00.640 --> 00:02.940 Bună ziua și bun venit înapoi la cursul de învățare profundă. 00:02.970 --> 00:09.120 Astăzi vorbim despre un indiciu care este rectificat în unitățile dvs. și acesta este un pas 00:09.120 --> 00:12.180 suplimentar față de pasul nostru de convoluție. 00:12.180 --> 00:16.140 Deci nu este un pas mare separat, este un pas mic in pasul unu, practic. 00:16.290 --> 00:18.230 Și ce se întâmplă aici. 00:18.240 --> 00:24.090 Ei bine, avem imaginea noastră de intrare pe care o avem aici, pe care am discutat-o și apoi 00:24.090 --> 00:26.080 pe care o vom aplica. 00:26.400 --> 00:27.190 Asteapta. 00:27.240 --> 00:36.720 Funcția noastră redresor preferată și sunteți familiarizați cu funcția redresorului din secțiunea anterioară despre rețelele neuronale artificiale 00:36.750 --> 00:47.400 și în așa fel încât, uneori, autorii sau instructorii separă convoluția și focul direct ca doi pași separați în 00:47.430 --> 00:54.030 exemplele noastre care le va considera drept un pas mare pentru 00:54.030 --> 00:57.060 a doua evoluție, apoi redresorul. 00:57.270 --> 01:03.750 Iar motivul pentru care aplicăm redresorul este că doriți să creșteți non-liniaritatea în imaginea noastră 01:03.780 --> 01:13.410 sau în rețeaua noastră și în rețeaua noastră neuronală comercială, iar focul nostru acționează ca acel filtru sau accesați acea funcție care se descompune 01:13.440 --> 01:19.200 și dvs. motivul pentru care dorim să creștem neliniaritatea în rețeaua noastră este că 01:19.440 --> 01:25.950 imaginile în sine sunt extrem de neliniar, mai ales dacă recunoașteți diferite obiecte unul lângă altul 01:26.010 --> 01:32.790 sau doar pe fundal și chestii de genul că imaginea va avea o mulțime de elemente neliniare 01:33.180 --> 01:38.050 iar tranziția dintre pixelii adiacenți ai pixelilor este adesea neliniară. 01:38.040 --> 01:41.280 Asta știți, deoarece granițele sale sunt diferite culori diferite. 01:41.460 --> 01:46.020 Există elemente diferite în imaginile dvs. și, în același timp, când 01:46.020 --> 01:52.410 aplicăm o operație matematică precum convoluția pe care o cunoașteți și o rulați această detectare a caracteristicilor 01:52.710 --> 01:59.710 pentru a crea hărțile caracteristicilor noastre, riscăm să creăm ceva liniar și, prin urmare, trebuie să ne despărțim povestea. 01:59.970 --> 02:05.960 Deci, haideți să aruncăm o privire la un exemplu aici este o imagine și o imagine originală. 02:05.970 --> 02:13.220 Acum, când aplicăm un detector de detectare a caracteristicilor la această imagine, obținem ceva de genul acesta. 02:13.290 --> 02:16.230 Deci, puteți vedea aici că negrul este negativ alb este și valoarea pozitivă. 02:16.230 --> 02:22.980 Când aplicați un detector de caracteristici la o imagine adecvată, care are nu numai zerouri și una, dar are o mulțime 02:22.980 --> 02:28.890 de valori diferite și aplicați după cum am văzut anterior, Texas poate avea valori negative în ele însele 02:29.070 --> 02:30.920 câteodată veți obține valori negative. 02:31.080 --> 02:34.670 Și aici sunt cele negre, cele negative negative albe sunt pozitive. 02:34.800 --> 02:45.240 Și ceea ce o funcție de unitate liniară rectificată face este eliminarea tuturor drepturilor negre în orice valoare sub zero se transformă 02:45.240 --> 02:46.490 în zero. 02:46.560 --> 02:49.160 Și de aici se transformă în acest drept. 02:49.290 --> 02:57.990 Și așa este greu de văzut exact care este beneficiul în ceea ce privește în ceea ce privește ruperea 02:58.050 --> 02:58.910 liniarității. 02:59.400 --> 03:01.050 Voi încerca să-ți explic. 03:01.080 --> 03:07.740 Voi încerca să arăt un exemplu pe această imagine, dar la sfârșitul zilei acesta este un concept foarte matematic și ar trebui 03:07.740 --> 03:12.480 să meargă într-o mulțime de matematică pentru a explica cu adevărat ce se întâmplă. 03:12.480 --> 03:13.800 Dar hai să încercăm să aruncăm o privire. 03:13.800 --> 03:16.800 De exemplu, să ne uităm la asta. 03:16.860 --> 03:17.580 Clădirea asta aici. 03:17.580 --> 03:18.070 Dreapta. 03:18.090 --> 03:20.150 Deci, aceasta este o clădire pe cont propriu. 03:20.730 --> 03:22.400 Atunci puteți vedea umbra asta. 03:22.440 --> 03:29.010 Această parte neagră, umbra de aici, vedeți bine că este albă reflexia luminii și apoi este gri 03:29.010 --> 03:33.160 și apoi devine mai întunecată și apoi devine mai întunecată. 03:33.240 --> 03:35.860 Deci, când o scoatem, vom scoate acel punct negru. 03:35.860 --> 03:38.220 Așa că gândiți-vă în termeni de liniaritate. 03:38.250 --> 03:43.700 Deci, se pare că atunci când mergi de la alb la gri, următorul pas ar fi negru. 03:43.740 --> 03:50.970 Chiar dacă următorul ar fi negru, este vorba de o progresie liniară de la luminoasă la întuneric și, prin urmare, aceasta 03:50.970 --> 03:53.490 este un fel de situație liniară. 03:53.490 --> 03:56.560 Când scoți negrul, distrugi liniaritatea. 03:56.670 --> 03:57.800 Să încercăm un altul. 03:58.050 --> 03:59.110 Să aruncăm o privire aici. 03:59.220 --> 04:01.980 Și, în același timp, este totuși aceeași clădire. 04:01.980 --> 04:08.320 Nu e vorba de tine sau de tine ca și cum nu ai fi amestecat două clădiri între ele, dar 04:08.550 --> 04:09.810 asta e secundar. 04:09.810 --> 04:11.940 Principalul punct este distrugerea liniarității. 04:12.210 --> 04:13.590 Deci, haideți să aruncăm o privire la același lucru. 04:13.590 --> 04:19.480 Deci, vedeți alb alb gri gri negru. 04:19.590 --> 04:22.520 Și când o desparți, nu mai ai dreptate. 04:22.530 --> 04:29.600 Nu aveți progresul progresiv pe care tocmai îl aveți ca o schimbare bruscă. 04:29.730 --> 04:33.540 Și asta ajută la introducerea non-linearității în imaginea ta. 04:33.540 --> 04:42.540 Deci, este o explicație foarte aspră, cum ar fi explicația de pe degete sau de pe degete, mai degrabă decât tehnică, dar sperăm 04:42.690 --> 04:47.370 că vă ajută să înțelegeți mai bine ceea ce vorbim aici. 04:47.370 --> 04:54.870 Deci, din nou, puteți vedea că griul alb este un exemplu mai bun, chiar și mai luminos, mai întunecat, mai întunecat și mai închis 04:54.980 --> 04:55.680 la culoare. 04:55.680 --> 05:04.460 Deci, această parte pare a fi mai subțire decât o descompuneți din nou, așa că aceasta este o explicație foarte brută. 05:04.480 --> 05:08.570 Nu este absolut perfectă, dar cel puțin îți dă o idee despre ce se întâmplă. 05:08.800 --> 05:14.120 Dar dacă doriți să aflați mai multe, există o hârtie bună ca întotdeauna când există întotdeauna o lucrare. 05:14.200 --> 05:20.370 Aceasta este de către Corpul CCJ de la Universitatea din California și se numește Ințelegerea rețelelor neuronale 05:20.380 --> 05:22.980 convoluționale care au un model matematic. 05:23.200 --> 05:28.840 Și, în principiu, ei răspund la întrebări și trebuie să te uiți la prima. 05:28.840 --> 05:33.820 Și întrebarea este de ce nu este o funcție de activare neliniară esențială 05:33.820 --> 05:36.130 la ieșirea filtrului tuturor straturilor intermediare. 05:36.220 --> 05:44.280 Deci, acest lucru o explică într-un mod mai detaliat atât din punct de vedere al intuiției, cât și din punct de vedere al matematicii. 05:44.320 --> 05:47.970 Deci, este o lucrare interesantă în care puteți obține mai multe informații suplimentare despre acest subiect. 05:48.100 --> 05:53.360 Și dacă vreți cu adevărat să vă grăbiți și să explorați câteva lucruri interesante aici. 05:53.360 --> 05:55.690 Apoi este o altă lucrare pe care ați putea fi interesată. 05:55.690 --> 06:01.720 Se numește adânc în interiorul redresorului depășind performanțele la nivel de nivel uman asupra imaginii și a 06:01.720 --> 06:02.830 acestei clasificări. 06:02.920 --> 06:09.190 Și aici autorul pieptărește părul și alții de la Microsoft Research. 06:09.400 --> 06:17.630 Ei propun un alt tip de funcție de unitate redusă rectificată. 06:17.650 --> 06:21.830 Ei propun funcția de rectificare parametrică pe care o vedeți aici în partea dreaptă. 06:22.030 --> 06:26.740 Și ei susțin că oferă rezultate mai bune fără a sacrifica performanța. 06:26.740 --> 06:30.200 Atât de interesant citiți dacă doriți să obțineți un pic mai mult în acest subiect. 06:30.490 --> 06:32.020 Și asta e tot pentru ziua de azi. 06:32.280 --> 06:38.380 Într-adevăr, stratul dvs. este destul de simplu, astfel încât să reglați doar aplicarea funcției de redresor și aștept cu nerăbdare să vă 06:38.380 --> 06:39.230 văd data viitoare. 06:39.250 --> 06:40.770 Până atunci, bucurați-vă de învățare.