یکی از مشکلات شبکه های autoencoder قسمت deconvolution است. در این مرحله به علت انجام عملیات deconvolution، قسمت های میانی روی هم افتادگی خواهند داشت که این سبب می شود حالت شطرنجی در activation map ها به وجود بیاید. یک راه جایگزین این است که به جای deconvolution ابتدا feature map ها را بزرگ کنیم و بعد convolution اعمال کنیم. در این حالت می توانیم با این گونه عملیات از فضای latent و اطلاعات encode شده به فضای با ابعاد بالاتر برویم. عملیات بزرگ کردن با interpolation انجام می شود که مشتق پذیر است.
#نکته_آموزشی #یادگیری_عمیق #auto_encoder
🌴 سایت | 🌺 کانال | 🌳 پشتیبانی
#نکته_آموزشی #یادگیری_عمیق #auto_encoder
🌴 سایت | 🌺 کانال | 🌳 پشتیبانی
tgoop.com/biasvariance_ir/22
Create:
Last Update:
Last Update:
یکی از مشکلات شبکه های autoencoder قسمت deconvolution است. در این مرحله به علت انجام عملیات deconvolution، قسمت های میانی روی هم افتادگی خواهند داشت که این سبب می شود حالت شطرنجی در activation map ها به وجود بیاید. یک راه جایگزین این است که به جای deconvolution ابتدا feature map ها را بزرگ کنیم و بعد convolution اعمال کنیم. در این حالت می توانیم با این گونه عملیات از فضای latent و اطلاعات encode شده به فضای با ابعاد بالاتر برویم. عملیات بزرگ کردن با interpolation انجام می شود که مشتق پذیر است.
#نکته_آموزشی #یادگیری_عمیق #auto_encoder
🌴 سایت | 🌺 کانال | 🌳 پشتیبانی
#نکته_آموزشی #یادگیری_عمیق #auto_encoder
🌴 سایت | 🌺 کانال | 🌳 پشتیبانی
BY Bias Variance


Share with your friend now:
tgoop.com/biasvariance_ir/22