เขียน Pooling Operation ของตัวเอง

อย่างที่เห็นมาแล้ว CNN อาจมีพารามิเตอร์จำนวนมาก Pooling layer มักถูกเพิ่มระหว่าง convolutional layer ในโครงข่ายประสาทเทียม เพื่อสรุปผลลัพธ์ให้กระชับขึ้น และลดจำนวนพารามิเตอร์ในเลเยอร์ถัดไป ซึ่งช่วยให้ฝึกโมเดลได้เร็วขึ้น หรือใช้งานได้แม้มีข้อมูลไม่เพียงพอสำหรับการเรียนรู้พารามิเตอร์จำนวนมาก

Pooling layer ทำงานคล้ายกับ convolution รูปแบบหนึ่ง โดยสำหรับทุก window ในอินพุต จะเลือกค่าพิกเซลที่มากที่สุดแล้วส่งต่อเฉพาะค่านั้น ในแบบฝึกหัดนี้ จะได้เขียน max pooling operation ของตัวเอง โดยอ้างอิงจากโค้ดที่เคยใช้เขียน convolution แบบสองมิติมาก่อน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลภาพด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

เข้าถึงอาร์เรย์อินพุต (im) และเลือก window ที่ต้องการ
หาค่าสูงสุดใน window นั้น
นำค่าที่ได้ไปเก็บในตำแหน่งที่ถูกต้องของอาร์เรย์ผลลัพธ์ (result)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Result placeholder
result = np.zeros((im.shape[0]//2, im.shape[1]//2))

# Pooling operation
for ii in range(result.shape[0]):
    for jj in range(result.shape[1]):
        result[ii, jj] = np.max(____)

แก้ไขและรันโค้ด