CNN İkili Lab
Filtre ve feature-map görselleştirmeli iki sınıflı görüntü sınıflandırma için küçük CNN.
Bu sayfa kompakt bir CNN eğitir: Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Girdi görselleri gri tonlamaya çevrilir ve 32x32’e yeniden boyutlanır; böylece her örnek konvolüsyon öncesi 1024 boyutlu vektördür.
İkili etiketler sınıf olasılıklarına eşlenir: P(sınıf 1) ve P(sınıf 2).
Ağ iki sınıf üzerinde çapraz-entropi ile optimize edilir:
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
Daha düşük learning rate daha kararlı; daha yüksek learning rate daha hızlı ama daha gürültülü güncellemeler sağlar.
- Demo kedi/köpek görsellerini yükle veya her sınıfa kendi dosyalarını yükle.
- Ağırlıkları başlat, birkaç epoch çalıştır ve loss ile accuracy’yi izle.
- İlk conv katmanının ne yakaladığını anlamak için filtreleri ve feature map’leri incele.
- Bir test görseli yükle ve sınıf olasılıklarını incele.
Dataset: 0
Epoch: 0
Loss: -
Accuracy: -
Eğitim Görselleri
Yüklenen görseller eğitimden önce 32x32 gri tonlamaya yeniden boyutlandırılır.
Görseller yükleniyor...
Conv Filtreleri (Canlı)
Tahmin
-