Intro

這是Kaggle深度學(xué)習(xí)教育課程的第一課。

在本課程結(jié)束后，您將了解卷積。 卷積是計算機視覺（以及許多其他應(yīng)用程序）中深度學(xué)習(xí)模型的基本構(gòu)建塊。

之后，我們將很快開始使用世界一流的深度學(xué)習(xí)模型。

Lesson

[1]

from IPython.display import YouTubeVideoYouTubeVideo('OVbiVIChkVY', width=800, height=450)

Your Turn

看完視頻后，進(jìn)行一些關(guān)于卷積的動手實踐。

?

Exercise:Convolutions for Computer Vision

Exercise Introductin

為了構(gòu)建和測試你對卷積的直覺，你將設(shè)計一個垂直線檢測器。 我們將它應(yīng)用于圖像的每個部分，以創(chuàng)建一個新的張量，顯示有垂直線的位置。

執(zhí)行以下4步：

?復(fù)制這篇筆記；

運行完此筆記并向下滾動以查看輸出，您將看到原始圖像，以及我們將水平線檢測器應(yīng)用于圖像時獲得的圖像示例。

?填寫vertical_line_conv的代碼單元格。 您將不得不考慮列表中的哪些數(shù)字將創(chuàng)建垂直線檢測器。 運行此單元格。

?將vertical_line_conv添加到conv_list。 運行該單元格。 您將在水平線過濾器下方看到垂直線過濾器的輸出。 您還將看到一個打印提示，表明您是否正確。

一旦完成，您就可以了解深度卷積模型，這是現(xiàn)代計算機視覺突破的關(guān)鍵。

?

Import Utility Functions

我們將使用一些小的實用程序函數(shù)來加載原始圖像數(shù)據(jù)，使結(jié)果可視化并給出你的回答等提示。不要擔(dān)心這些，但執(zhí)行下一個單元格來加載實用程序函數(shù)。

【1】

from learntools.deep_learning.exercise_1 import load_my_image, apply_conv_to_image, show, print_hints

?

Example Convolution:Horizontal Line Detector

這里有一個你在視頻里看到的卷積例子，你不需要去修改它。

【2】

# Detects bright pixels over dark pixels. horizontal_line_conv = [[1, 1], [-1, -1]]

?

Your Turn:Vertical Line Detector

用數(shù)字替換問號標(biāo)記以形成垂直線檢測器，并取消注釋下面單元格中的兩行代碼。

【3】

#vertical_line_conv = [[?, -?], # [?, ?]]

一旦你在代碼單元創(chuàng)建了vertical_line_conv，把它作為一個附加單元加到conv_list，然后執(zhí)行以下代碼單元：

【4】

conv_list = [horizontal_line_conv]original_image = load_my_image() print("Original image") show(original_image) for conv in conv_list:filtered_image = apply_conv_to_image(conv, original_image)print("Output: ")show(filtered_image) Original image

---------------------------- Filter: [[ 1 1][-1 -1]] Output:

在上方，您將看到水平線過濾器的輸出以及您添加的過濾器。 如果你做對了，過濾器的輸出將如下所示。

Keep Going

現(xiàn)在，您已準(zhǔn)備好將卷積結(jié)合到強大的模型中。 這些模型很有趣，所以繼續(xù)前進(jìn)。

?

總結(jié)

以上是生活随笔為你收集整理的1.Intro to Deep Learning and Computer Vision的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。