WEBVTT

00:00.450 --> 00:02.820
こんにちは､ ディープラーニングの講座にようこそ｡ 

00:02.820 --> 00:10.170
この直感チュートリアルが順調に進み､ これまで学んできたことを実際に使ってみる機会があったことを願っています｡

00:10.380 --> 00:12.030
そして今日は､ フラット化についてです｡ 

00:12.030 --> 00:18.150
そして良いことに､ これはとても簡単なステップで､ このチュートリアルはとても早く終わるので､

00:18.150 --> 00:21.420
次の面白いことに移ることができます｡

00:21.750 --> 00:22.110
わかりました｡ 

00:22.110 --> 00:29.400
これは､ 画像にコンボリューション処理を施した後､ コンボリューションの結果､

00:29.400 --> 00:34.890
または関与する画像にプーリングを適用したものです｡

00:34.890 --> 00:37.350
それで､ このプールされたフィーチャーマップはどうするんですか？

00:37.350 --> 00:41.250
では､ これを平らにして列にします｡ 

00:41.520 --> 00:46.320
つまり､ 基本的には1行ずつ数字を並べて､ この長い1列に入れるだけです｡ 

00:46.980 --> 00:54.840
そして､ これを後で人工ニューラルネットワークに入力して､ さらに処理したいからです｡

00:55.080 --> 00:59.790
つまり､ プーリングレイヤーがたくさんある場合や､ プールされたフィーチャーマップがたくさんあるプーリングレイヤーを､

00:59.790 --> 01:04.140
フラット化するとこのようになります｡

01:04.140 --> 01:15.120
この長い列に次々と入力していくと､ 人工ニューラルネットワークの入力の巨大なベクトルができあがるわけです｡

01:15.120 --> 01:29.760
これらをまとめると､ 入力画像があり､ 畳み込み層を適用し､ 畳み込み層の後に適用する値または整流化された線形単位関数を忘れてはいけないということです｡

01:29.760 --> 01:42.780
そして､ プーリングを適用し､ すべてを長いベクトルに平らにします｡ これが人工ニューラルネットワークの入力層となります｡

01:42.780 --> 01:46.950
その具体的な方法については､ 次のチュートリアルで説明します｡ 

01:46.980 --> 01:49.890
本日のセッションを楽しんでいただき､ 次回お会いできることを楽しみにしています｡ 

01:49.890 --> 01:51.840
それまでは､ ディープラーニングを楽しんでください｡