Laboratoire CNN binaire
Petit CNN pour classification à deux classes avec visualisation des filtres et feature maps.
Cette page entraîne un CNN compact : Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Les images sont converties en niveaux de gris et redimensionnées en 32x32.
Les labels binaires sont mappés sur les probabilités des classes 1 et 2.
Le réseau est optimisé par entropie croisée sur deux classes :
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
LR faible = plus stable, LR élevé = plus rapide mais plus bruyant.
- Chargez des images démo chat/chien ou importez vos fichiers.
- Initialisez les poids, lancez quelques époques et surveillez perte/précision.
- Inspectez les filtres et feature maps pour comprendre la première conv.
- Importez une image test et regardez les probabilités.
Dataset: 0
Époque: 0
Perte: -
Précision: -
Images d’entraînement
Les images sont redimensionnées en 32x32 en niveaux de gris.
Chargement des images...
Filtres conv (temps réel)
Prédiction
-