convolutions किसी भी छवि इनपुट आकार पर काम कर सकते हैं (जो काफी बड़ा है)। हालांकि, अगर आपके पास अंत में पूरी तरह से कनेक्ट परत है, तो इस परत को एक निश्चित इनपुट आकार की आवश्यकता है। इसलिए पूरे नेटवर्क को एक निश्चित छवि इनपुट आकार की आवश्यकता है।
हालांकि, अगर आप पूरी तरह से जुड़ा हुआ परत को हटा सकते हैं और सिर्फ convolutional परतों के साथ काम करते हैं। आप अंत में एक संकल्पक परत बना सकते हैं जिसमें आपके पास कक्षाओं के समान फ़िल्टर हैं। लेकिन आप प्रत्येक वर्ग के लिए एक मूल्य चाहते हैं जो उस वर्ग की संभावना को इंगित करता है। इसलिए आप पूर्ण शेष सुविधा मानचित्र पर पूलिंग फ़िल्टर लागू करते हैं। यह पूलिंग इसलिए "वैश्विक" है क्योंकि यह हमेशा आवश्यकतानुसार बड़ी है। इसके विपरीत, सामान्य पूलिंग परतों का एक निश्चित आकार होता है (उदा। 2x2 या 3x3)।
यह एक सामान्य अवधारणा है। आप अन्य पुस्तकालयों में वैश्विक पूलिंग भी पा सकते हैं, उदा। Lasagne। यदि आप साहित्य में एक अच्छा संदर्भ चाहते हैं, तो मैं Network In Network पढ़ने की सलाह देता हूं।
स्रोत
2017-02-07 12:40:58
अपने जवाब के लिए धन्यवाद, लेकिन यह 1 डी के लिए 3D नहीं किया जाना चाहिए, इसलिए यह केवल 1 उत्पादन है? चूंकि आपके पास परतों के बीच केवल 3 डी आउटपुट है (कम से कम कैफी में) – Kev1n91
चौथा/2 वां आउटपुट नमूनों की संख्या है। DxWxH: –
चलो कहते हैं कि मैं एक घुमाव जो निम्नलिखित उत्पादन आयाम करते हैं (250, 15, 15), तो मैं काफी यकीन है कि क्या चौथे आयाम होना चाहिए नहीं कर रहा हूँ, sry – Kev1n91