Jak zastosować sieć neuronową równolegle na każdej części obrazu

1. Dlaczego używamy warstwy łączącej w CNN?
2. Dlaczego CNN jest lepszy niż MLP do klasyfikacji obrazu?
3. Ile obrazów może klasyfikować sieć neuronowa?

Dlaczego używamy warstwy łączącej w CNN?

Po co korzystać z warstw basenowych? Warstwy łączące służą do zmniejszenia wymiarów map funkcji. Zatem zmniejsza liczbę parametrów do nauczenia się i ilość obliczeń wykonywanych w sieci. Warstwa łącząca podsumowuje cechy obecne w regionie mapy funkcji generowanej przez warstwę splotową.

Dlaczego CNN jest lepszy niż MLP do klasyfikacji obrazu?

Zarówno MLP, jak i CNN mogą być używane do klasyfikacji obrazu, jednak MLP przyjmuje wektor jako wejście, a CNN przyjmuje tensor jako wejście, dzięki czemu CNN może zrozumieć relację przestrzenną (relacja między pobliskimi pikselami obrazu) lepsze piksele obrazów, dzięki czemu dla skomplikowanych obrazów CNN MLP.

Ile obrazów może klasyfikować sieć neuronowa?

Zestaw danych CIFAR-10 składa się z 60000 32x32 kolorowych obrazów w 10 klasach, z 6000 zdjęć na klasę.