Phòng lab CNN nhị phân
CNN nhỏ cho phân loại ảnh hai lớp, có trực quan hóa bộ lọc và feature map.
Trang này huấn luyện CNN gọn: Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Ảnh đầu vào được chuyển sang thang xám và resize 32x32, nên mỗi mẫu là vector 1024 chiều trước khi qua convolution.
Nhãn nhị phân được ánh xạ thành xác suất lớp: P(lớp 1) và P(lớp 2).
Mạng được tối ưu bằng cross-entropy cho hai lớp:
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
Dùng learning rate thấp để hội tụ ổn định, hoặc cao để cập nhật nhanh nhưng nhiễu hơn.
- Tải ảnh demo mèo/chó hoặc tải file của bạn vào từng lớp.
- Khởi tạo trọng số, chạy vài epoch và theo dõi loss/accuracy.
- Xem giá trị bộ lọc và feature map để hiểu lớp conv đầu tiên học gì.
- Tải ảnh kiểm tra và xem xác suất lớp.
Dataset: 0
Epoch: 0
Loss: -
Accuracy: -
Ảnh huấn luyện
Ảnh tải lên sẽ được resize 32x32 thang xám trước khi huấn luyện.
Đang tải ảnh...
Bộ lọc conv (realtime)
Dự đoán
-