J'ai un petit problème de deep learning . Voilà j'ai construit mon réseau ( CNN) avec la librairie Keras . Je m'intéresse à la visualisation des poids de mon CNN .Mon architecture est de type AlexNet et mes images couleurs (RGB) sont repartis en 72 classes. Pour la première convolution qui possède 96 filtres dont le kernel des filtres est de 11 par 11 je récupère en sortie un tenseur 4 dimensions [11][11][3][96]. Donc chaque filtre possède 3 matrice 11 par 11 que nous appellerons kernel.
A ce niveau pour la visualisation de mes poids j'ai pris une image je l'ai splitté en 3 canaux. Pour un filtre donné chaque canal à été convolué avec un kernel. Chaque résultat des ces opérations de convolutions ont été rassemblé pour donner une image résultante.
Maintenant la deuxième convolution qui prend entrée la sortie de la première est définie avec 383 filtres dont le kernel des filtres est de 5*5. La sortie de cette deuxième convolution me donne un tenseur 4d de taille [5][5][96][383]. Ce qui veut dire que pour un filtre donné il dispose de 96 filtres ( en tout cas c'est ce que je comprend ). Donc là pour un filtre donné je suis touours avec ma fameuse image splitté sur ces 3 canaux face à 96 filtres.
Je ne sais pas si c'est un problème de compréhension mais je bloque total car en sortie de la deuxième convolution je ne sais pas interprété les 96 kernels pour chaque filtres
Je suis vraiment novice en deep learning c'est une science intéressante mais remplie de mystère pour moi . Si qqn avait la bonté de m'éclaircir je lui en remercierai.
Deep learning Keras Python
× Après avoir cliqué sur "Répondre" vous serez invité à vous connecter pour que votre message soit publié.
× Attention, ce sujet est très ancien. Le déterrer n'est pas forcément approprié. Nous te conseillons de créer un nouveau sujet pour poser ta question.
