CNN — mạng nơ-ron tích chập: từ phép tích chập tới ResNet trên CIFAR-10
Vì sao MLP không hợp với ảnh, phép tích chập hoạt động thế nào (tự viết bằng NumPy), padding, stride, pooling, trường tiếp nhận; lịch sử LeNet → AlexNet → VGG → ResNet; tự xây CNN và khối residual bằng PyTorch, huấn luyện trên CIFAR-10 với data augmentation.
11 phút đọc
Đến đây ta bước vào Computer Vision. Ảnh màu 224×224 có 150.528 giá trị; một lớp MLP 1.000 nơ-ron trên đó cần 150 triệu trọng số — và vẫn không biết rằng con mèo ở góc trái và con mèo ở góc phải là cùng một thứ.
Mạng nơ-ron tích chập (CNN) giải quyết bằng hai giả định hợp lý về ảnh. Bài này giải thích phép tích chập từ gốc, tự viết nó bằng NumPy, đi qua các kiến trúc kinh điển, rồi huấn luyện một ResNet nhỏ trên CIFAR-10.
Bài viết PRO
Phần còn lại dành cho thành viên PRO
Bài này thế nào?
Bài viết có hữu ích với bạn?
Đánh giá giúp mình biết nên viết thêm về chủ đề nào.