WEBVTT

00:00.570 --> 00:04.920
Olá e bem-vindo de volta ao curso de aprendizado profundo Espero que você esteja

00:04.920 --> 00:10.950
rastreando esses tutoriais de intuição muito bem e que tenha tido a chance de brincar com tudo o que aprendemos

00:11.010 --> 00:15.930
até agora e hoje estamos falando de achatamento e A boa notícia é que este é

00:15.930 --> 00:21.900
um passo muito simples e este tutorial vai ser muito rápido e então poderemos passar para as próximas coisas interessantes.

00:21.900 --> 00:28.830
Tudo bem, então, até agora, temos o mapa de recursos tirado Lehre puxado e isso é depois que aplicamos a operação

00:28.830 --> 00:34.020
de convolução à nossa imagem e, em seguida, aplicamos o agrupamento ao resultado da colisão que

00:34.020 --> 00:35.120
a imagem envolvida.

00:35.140 --> 00:37.460
E, então, o que vamos fazer se esse mapa de recursos criado.

00:37.590 --> 00:41.380
Bem, nós vamos levá-lo e vamos colocá-lo em uma coluna.

00:41.640 --> 00:47.130
Então, basicamente, basta pegar os números linha por linha e colocá-los nesta uma longa coluna.

00:47.190 --> 00:53.670
E o motivo disso é porque queremos depois entrar isso em uma rede neural

00:53.670 --> 00:55.310
artificial para processamento posterior.

00:55.320 --> 00:59.850
Então, isso é o que parece quando você tem muitas camadas de pool

00:59.850 --> 01:07.890
ou você tem as alavancas de tração com muitos mapas de recursos criados e, em seguida, você os ajunta para que você os coloque

01:07.890 --> 01:15.230
nesta uma longa coluna seqüencialmente uma após a outra e você obtém um enorme vetor de insumos para uma rede neural artificial.

01:15.450 --> 01:19.220
E para resumir tudo, temos uma imagem de entrada.

01:19.410 --> 01:27.340
Nós aplicamos um convolucional lá e não esqueçamos os reais ou as unidades de unidades lineares rectificadas rectificadas que

01:27.350 --> 01:29.920
aplicamos depois da revolução lá também.

01:30.060 --> 01:39.330
E então, aplicamos o agrupamento e depois colocamos tudo em um vetor longo, que será nossa camada de

01:39.420 --> 01:47.210
entrada para uma rede neural artificial e exatamente como isso funciona, descobriremos no próximo tutorial.

01:47.220 --> 01:50.010
Espero que você tenha gostado da sessão de hoje e aguarda com expectativa a você na próxima vez.

01:50.010 --> 01:51.720
Até então, aproveite a aprendizagem profunda.