Se on pikemminkin "luettujen kuvien" sijasta lukujen todellisia kuvia. Todellisuudessa he ruokkivat kasaan, joka on vain kirjainten tai numeroiden matriisi (voit tietysti visualisoida tämän kuvana). Tämä on selvempää, jos katsot yhtä heidän esimerkkipython-muistikirjoistaan ​​, CNN: t ovat suosittuja kuvankäsittelykentässä, mutta päivän lopussa kuvat ovat vain suuria arvomatriiseja, joten voit milloin tahansa Muunna syötteesi sellaiseen muotoon, jolloin CNN voi olla hyödyllinen (edellyttäen, että sinulla on riittävästi harjoitustietoja ja joitain grafiikkasuoritimia heittää asioita).

Miksi käyttää lukemien kuvia, kun sinulla on jo lukutiedot?

Neuroverkot vievät yhden tai useita N-ulottuvuuksia ) syötteenä; he eivät voi ottaa mielivaltaisia ​​tietoja. Lukujen ja niiden kohdistamisen syöttämiseksi verkkoon sinun on koodattava ne n-d-taulukkoina. Jos jätät toistaiseksi huomiotta "värit", suoraviivainen valinta on (windowLength, readDepth) 2D-matriisi, kuten näet kohdistusselaimessa - se on kuva. Tämän kuvan "värejä" kutsutaan usein "kanaviksi" tai "ominaisuuksiksi" syvällisessä oppimisessa (DL). Ne edustavat perustyyppejä ja peruslaatua deepVariantissa. Loppujen lopuksi saat syötteenä (windowLength, readDepth, nFeatures) 3D-taulukon. Tämä on luonnollisinta koodausta DL-tutkijoille.

Miksi valitsit CNN-vaihtoehdon soittajalle

Tämä johtuu siitä, että CNN on toistuvasti osoittautunut parhaaksi arkkitehtuuri tällaisille (korkeus, leveys, nChannels) 3D-matriiseille syötteenä. Luetut tasaukset ovat täsmälleen sitä.

Historiallisesti huomioiden, deepVariant rakennettiin ensin Googlen vanhentuneen DisBelief-kehyksen päälle, joka ottaa vain RGB-kuvia syötteeksi. Heidän oli puristettava kaiken tyyppinen tieto kolmeen värikanavaan. Nyt TensorFlow-toiminnolla kuvassa voi olla mielivaltainen määrä värikanavia. Tämä yksinkertaistaa toteutusta ja parantaa tarkkuutta. Tämän kuvan lisäksi deepVariant käyttää myös muita tietoja syötteenä.