PyTorch深層学習⑬畳み込み層:理論編 2 澁谷直樹 2023年7月17日 14:52 前回は、単純な画像分類を畳み込み層を使わずに実装しました。今回は、画像から特徴量を抽出するのが得意な畳み込み層について解説します。本シリーズの記事リスト①前提条件②テンソル③テンソル:NumPy編④テンソル:Tensor編⑤データセット編⑥線形回帰:理論編⑦線形回帰:実装編⑧ロジスティック回帰:理論編⑨ロジスティック回帰:実装編⑩ニューラルネットワーク⑪単純な画像分類1⑫単純な画像分類2⑬畳み込み層:理論編⑭畳み込み層:実践編⑮最大値プーリング⑯畳み込みニューラルネットワーク⑰再帰型ニューラルネットワーク⑱再帰型:実装編⑲LSTM:理論編⑳LSTM:実践編㉑トランスフォーマー:紹介編㉒トランスフォーマー:実践編畳み込み層では、画像を平坦化することなくピクセル同士の位置関係を意識した画像処理を行います。そのため、畳み込み層の仕組みを理解するには画像データの構造についての知識が必要となります。といってもそんなに難しいことではありません。また、画像データ構造についてはこちらでも詳しく解説しています。まずは、畳み込みカーネルの仕組みの解説から始めます。 ダウンロード copy ここから先は 6,099字 / 5画像 キカベン・読み放題 ¥1,000 / 月 初月無料 人工知能、機械学習、ディープラーニング関連の用語説明、研究論文の概要、プログラミングの具体例などの読み応えのある新しい記事が月に4−5本ほど追加されます。また、気になるAIニュースや日常の雑観などは随時公開しています。 メンバー限定の会員証が発行されます 活動期間に応じたバッジを表示 メンバー限定掲示板を閲覧できます メンバー特典記事を閲覧できます メンバー特典マガジンを閲覧できます このメンバーシップの詳細 ログイン #ディープラーニング #深層学習 #PyTorch #畳み込みニューラルネットワーク #畳み込み 2 この記事が気に入ったらサポートをしてみませんか? サポート