WEBVTT 00:00.570 --> 00:04.920 Cześć, witajcie z powrotem na kursie głębokiego uczenia się Mam nadzieję, że 00:04.920 --> 00:10.950 śledzicie razem z tymi tutorialami intuicyjnymi i że mieliście okazję bawić się ze wszystkim, czego się nauczyliśmy do 00:11.010 --> 00:15.930 tej pory, a dzisiaj mówimy o spłaszczeniu i Dobrą wiadomością jest to, że jest to 00:15.930 --> 00:21.900 bardzo prosty krok i ten samouczek będzie bardzo szybki, a następnie będziemy mogli przejść do następnych interesujących rzeczy. 00:21.900 --> 00:28.830 W porządku, więc do tej pory mamy wyciągniętą mapę funkcji wyciągniętą przez Lehre'a i to jest po tym, jak zastosujemy 00:28.830 --> 00:34.020 operację splotu do naszego obrazu, a następnie zastosujemy łączenie do wyniku zderzenia, który jest zaangażowany 00:34.020 --> 00:35.120 w obraz. 00:35.140 --> 00:37.460 I co zrobimy, jeśli ta pulsacyjna mapa funkcji. 00:37.590 --> 00:41.380 Cóż, weźmiemy to i zamierzamy spłaszczyć to w kolumnie. 00:41.640 --> 00:47.130 Zasadniczo po prostu weź liczby po rzędzie i umieść je w tej jednej długiej kolumnie. 00:47.190 --> 00:53.670 Powodem tego jest to, że chcemy później wprowadzić je do sztucznej sieci neuronowej 00:53.670 --> 00:55.310 do dalszego przetwarzania. 00:55.320 --> 00:59.850 Tak to wygląda, gdy masz wiele warstw, lub masz 00:59.850 --> 01:07.890 ciągnące dźwignie z wieloma pulsowanymi mapami obiektów, a następnie spłaszczasz je, tak że umieszczasz je w tej jednej 01:07.890 --> 01:15.230 długiej kolumnie kolejno jedna po drugiej i dostajesz jeden ogromny wektor wejścia dla sztucznej sieci neuronowej. 01:15.450 --> 01:19.220 I podsumowując wszystko, mamy obraz wejściowy. 01:19.410 --> 01:27.340 Stosujemy tam splot i nie zapominajmy o realiach lub rektyfikowanych prostowanych jednostkach liniowych, które 01:27.350 --> 01:29.920 stosujemy również po rewolucji. 01:30.060 --> 01:39.330 Następnie stosujemy łączenie, a następnie spłaszczamy wszystko w długim wektorze, który będzie naszą warstwą wejściową dla 01:39.420 --> 01:47.210 sztucznej sieci neuronowej i dokładnie jak to działa, dowiemy się w następnym samouczku. 01:47.220 --> 01:50.010 Mam nadzieję, że podobała ci się dzisiejsza sesja i czekałeś na Ciebie następnym razem. 01:50.010 --> 01:51.720 Do tego czasu ciesz się głęboką nauką.