Лабораторія CNN Binary
Невелика згорткова нейромережа для класифікації двох класів з візуалізацією фільтрів і feature maps.
Ця сторінка тренує компактну CNN: Conv(3x3) -> ReLU -> Flatten -> Dense -> ReLU -> Dense -> Softmax.
Вхідні зображення перетворюються на grayscale і змінюються до 32x32, тому кожен зразок — 1024-вимірний вектор перед згорткою.
Бінарні мітки перетворюються на ймовірності класів: P(class 1) та P(class 2).
Мережа оптимізується cross-entropy для двох класів:
$$ L = -\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{2} y_{ic}\log(\hat{y}_{ic}) $$
Використовуйте менший learning rate для стабільної збіжності або більший для швидших, але шумних оновлень.
- Завантажте demo cat/dog зображення або завантажте власні файли у кожен клас.
- Ініціалізуйте ваги, запустіть кілька епох і спостерігайте loss та accuracy.
- Перегляньте значення фільтрів і feature maps, щоб зрозуміти, що захоплює перший conv-шар.
- Завантажте тестове зображення і перегляньте ймовірності класів.
Dataset: 0
Epoch: 0
Loss: -
Accuracy: -
Training Images
Завантажені зображення змінюються до 32x32 grayscale перед навчанням.
Loading images...
Conv Filters (Realtime)
Prediction
-