WEBVTT 00:00.640 --> 00:02.940 Hola y bienvenidos al curso de aprendizaje profundo. 00:02.970 --> 00:09.120 Hoy estamos hablando de una pista que se rectifica en sus unidades y este es un paso adicional 00:09.120 --> 00:12.180 en la parte superior de nuestro paso de convolución. 00:12.180 --> 00:16.140 Entonces, no es un gran paso por separado, es un pequeño paso en el paso uno, básicamente. 00:16.290 --> 00:18.230 Y qué está pasando aquí. 00:18.240 --> 00:24.090 Bueno, tenemos nuestra imagen de entrada, tenemos todos los convolucionales que hemos discutido 00:24.090 --> 00:26.080 y, además, vamos a postularnos. 00:26.400 --> 00:27.190 Espéralo. 00:27.240 --> 00:36.720 Nuestra función de rectificador favorita y usted está familiarizado con la función rectificadora de la sección anterior sobre redes 00:36.750 --> 00:47.400 neuronales artificiales y en nuestro So. Algunas veces, los autores o instructores separan la convolución y el fuego directo como dos pasos 00:47.430 --> 00:54.030 separados en nuestros ejemplos que los van a considerar simplemente un gran paso para 00:54.030 --> 00:57.060 la segunda evolución, luego el rectificador. 00:57.270 --> 01:03.750 Y la razón por la que estamos aplicando el rectificador es porque desea aumentar la no linealidad en 01:03.780 --> 01:13.410 nuestra imagen o en nuestra red y nuestra red neuronal comercial y nuestro fuego actúa como ese filtro o accede a esa función que se rompe y 01:13.440 --> 01:19.200 usted arity y el la razón por la que queremos aumentar la no linealidad en nuestra 01:19.440 --> 01:25.950 red es porque las imágenes en sí mismas son altamente no lineales, especialmente si reconoces diferentes objetos uno al 01:26.010 --> 01:32.790 lado del otro o simplemente en el fondo y cosas así como que la imagen va a tener muchos 01:33.180 --> 01:38.050 elementos no lineales y la transición entre los píxeles adyacentes es a menudo no lineal. 01:38.040 --> 01:41.280 Eso es lo que sabes porque sus fronteras son diferentes colores es diferente. 01:41.460 --> 01:46.020 Hay diferentes elementos en sus imágenes y, al mismo tiempo, cuando aplicamos 01:46.020 --> 01:52.410 una operación matemática, como la convolución, conocemos y ejecutamos esta detección de características para crear nuestros mapas 01:52.710 --> 01:59.710 de características, corremos el riesgo de que podamos crear algo lineal y, por lo tanto, tenemos que separarnos la narrativa. 01:59.970 --> 02:05.960 Así que echemos un vistazo a un ejemplo aquí es una imagen e imagen original. 02:05.970 --> 02:13.220 Ahora cuando aplicamos un detector de detección de características a esta imagen obtenemos algo como esto. 02:13.290 --> 02:16.230 Entonces, pueden ver aquí que el negro es blanco negativo también es un valor positivo. 02:16.230 --> 02:22.980 Cuando aplica un detector de características a una imagen similar que no tiene solo ceros y unos, pero tiene 02:22.980 --> 02:28.890 muchos valores diferentes y aplica como vimos previamente, Texas puede tener valores negativos en sí mismos, 02:29.070 --> 02:30.920 a veces obtendrá valores negativos. 02:31.080 --> 02:34.670 Y aquí están los negros son negativos los blancos son positivos. 02:34.800 --> 02:45.240 Y lo que hace una función rectificada de la unidad lineal es que elimina todos los derechos de negro en cualquier punto bajo cero, se 02:45.240 --> 02:46.490 convierte en cero. 02:46.560 --> 02:49.160 Y así de esto se convierte en este derecho. 02:49.290 --> 02:57.990 Y así es que es bastante difícil ver cuál es exactamente el beneficio en términos de ruptura de 02:58.050 --> 02:58.910 la linealidad. 02:59.400 --> 03:01.050 Trataré de explicar. 03:01.080 --> 03:07.740 Trataré de mostrar un ejemplo en esta imagen, pero al final del día es un concepto muy matemático y 03:07.740 --> 03:12.480 tendría que entrar en mucha matemática para explicar realmente lo que está sucediendo. 03:12.480 --> 03:13.800 Pero vamos a intentar echarle un vistazo. 03:13.800 --> 03:16.800 Entonces, por ejemplo, veamos esto. 03:16.860 --> 03:17.580 Este edificio aquí. 03:17.580 --> 03:18.070 Derecha. 03:18.090 --> 03:20.150 Entonces este es un edificio en sí mismo. 03:20.730 --> 03:22.400 Entonces puedes ver esta sombra. 03:22.440 --> 03:29.010 Este negro parte esta sombra aquí, así ves que es blanco el reflejo de la luz y luego es gris 03:29.010 --> 03:33.160 y luego se vuelve más oscuro y luego se vuelve más oscuro. 03:33.240 --> 03:35.860 Entonces, cuando lo sacamos, sacamos esa mancha negra. 03:35.860 --> 03:38.220 Entonces piensen en términos de linealidad correcta. 03:38.250 --> 03:43.700 Así que parece que cuando pasas de blanco a gris, el próximo paso sería negro. 03:43.740 --> 03:50.970 Correcto, el siguiente sería negro, es una progresión lineal de brillante a oscura y, por lo tanto, 03:50.970 --> 03:53.490 es una especie de situación lineal. 03:53.490 --> 03:56.560 Cuando sacas el negro, rompes la linealidad. 03:56.670 --> 03:57.800 Probemos otro. 03:58.050 --> 03:59.110 Echemos un vistazo aquí. 03:59.220 --> 04:01.980 Y al mismo tiempo, sigue siendo el mismo edificio correcto. 04:01.980 --> 04:08.320 No es que no sea como tú o como tú, no es como si mezclases dos edificios el uno con el otro, 04:08.550 --> 04:09.810 pero eso es secundario. 04:09.810 --> 04:11.940 El punto principal es romper la linealidad. 04:12.210 --> 04:13.590 Así que echemos un vistazo aquí mismo. 04:13.590 --> 04:19.480 Entonces ves blanco gris negro gris blanco. 04:19.590 --> 04:22.520 Y cuando lo rompes ya no tienes eso bien. 04:22.530 --> 04:29.600 No tienes esa progresión, la progresión gradual que acabas de tener como un cambio abrupto. 04:29.730 --> 04:33.540 Y eso ayuda a introducir la no linealidad en tu imagen. 04:33.540 --> 04:42.540 Así que es una explicación muy aproximada, muy similar a la explicación sobre o en los dedos en lugar de técnica, pero espero que 04:42.690 --> 04:47.370 te ayude a entender un poco mejor de lo que estamos hablando aquí. 04:47.370 --> 04:54.870 Así que aquí, de nuevo, puede ver que el gris blanco es un mejor ejemplo, incluso para el brillante más oscuro, el más oscuro, el más oscuro, y el más oscuro, 04:54.980 --> 04:55.680 el más oscuro. 04:55.680 --> 05:04.460 Así que esta parte parece que es más delgada de lo que la vuelves a separar así que esta es una explicación muy aproximada. 05:04.480 --> 05:08.570 No es absolutamente perfecto, pero al menos te da una idea de lo que está pasando. 05:08.800 --> 05:14.120 Pero si desea obtener más información, hay un buen periódico, como siempre, siempre hay un periódico. 05:14.200 --> 05:20.370 Este es por el cuerpo de CCJ de la Universidad de California y se llama Comprender las redes 05:20.380 --> 05:22.980 neuronales convolucionales que tienen un modelo matemático. 05:23.200 --> 05:28.840 Y básicamente ellos responden a las preguntas y solo debes mirar el primero. 05:28.840 --> 05:33.820 Y la pregunta es por qué no es esencial una función de activación no lineal en la 05:33.820 --> 05:36.130 salida del filtro de todas las capas intermedias. 05:36.220 --> 05:44.280 Así que eso lo explica con un poco más de detalle tanto en términos de intuición como sobre todo en términos de matemáticas. 05:44.320 --> 05:47.970 Entonces, ese es un documento interesante donde puedes obtener más información adicional sobre este tema. 05:48.100 --> 05:53.360 Y si realmente quieres profundizar y explorar algunas cosas interesantes aquí. 05:53.360 --> 05:55.690 Luego hay otro documento que podría interesarte. 05:55.690 --> 06:01.720 Se llama profundizar en el rectificador superando el rendimiento a nivel humano en la imagen 06:01.720 --> 06:02.830 y esa clasificación. 06:02.920 --> 06:09.190 Y aquí el autor está peinando pelo y otros de Microsoft Research. 06:09.400 --> 06:17.630 Proponen un tipo diferente de función de la unidad magro rectificado. 06:17.650 --> 06:21.830 Proponen la función rectificada paramétrica que se ve aquí a la derecha. 06:22.030 --> 06:26.740 Y argumentan que ofrece mejores resultados sin sacrificar el rendimiento. 06:26.740 --> 06:30.200 Es muy interesante leer si quieres profundizar en este tema. 06:30.490 --> 06:32.020 Y eso es todo por hoy. 06:32.280 --> 06:38.380 Realmente tu capa es bastante simple así que para ajustar simplemente aplicando la función de rectificador y espero verte 06:38.380 --> 06:39.230 la próxima vez. 06:39.250 --> 06:40.770 Hasta entonces disfruta el aprendizaje.