আপনার নাম দেওয়া সমস্ত সমস্যার সূচনা পাঠ্য হিসাবে, আমি গভীর শিক্ষার বইয়ের প্রস্তাব দেব । এটি ক্ষেত্রের একটি বিস্তৃত ওভারভিউ সরবরাহ করে। এটি সেই সমস্ত পরামিতিগুলির প্রত্যেকটির ভূমিকা ব্যাখ্যা করে।
আমার মতে সর্বাধিক জনপ্রিয় আর্কিটেকচার (রিসেট, ইনসেপশন, অ্যালেক্স-নেট) সম্পর্কে পড়ার জন্য এবং ডিজাইনের সিদ্ধান্তের দিকে পরিচালিত মূল ধারণাগুলি নিষ্ক্রিয় করতে খুব সহায়ক। উপরোক্ত বই পড়ার পরে।
আপনি যে বক্তৃতাগুলির উল্লেখ করেছেন তার পাঠ্যসূচীতে এটি বিশদভাবে ব্যাখ্যা করা হয়েছে যে কীভাবে কনভলশন স্তরটি প্রচুর পরিমাণে প্যারামিটার (ওজন, বায়াসেস) এবং নিউরন যুক্ত করে। এই স্তরটি, একবার প্রশিক্ষিত হয়ে, এটি চিত্র থেকে অর্থ নিদর্শনগুলি বের করতে সক্ষম হয়। নিম্ন স্তরগুলির জন্য fil ফিল্টারগুলি প্রান্ত এক্সট্র্যাক্টরের মতো দেখায়। উচ্চ স্তরগুলির জন্য, সেই আদিম আকারগুলি আরও জটিল ফর্মগুলি বর্ণনা করতে মিলিত হয়। এই ফিল্টারগুলিতে একটি উচ্চ সংখ্যক পরামিতি জড়িত থাকে এবং কীভাবে জটিল ফর্মগুলি বর্ণনা করতে সক্ষম হয় এবং এখনও প্যারামিটারের সংখ্যা হ্রাস করতে সক্ষম হয় তার গভীর নেটওয়ার্কগুলির নকশার একটি বড় সমস্যা।
যেহেতু প্রতিবেশী পিক্সেল দৃ strongly়ভাবে সম্পর্কিত (বিশেষত সর্বনিম্ন স্তরগুলিতে), তাই ফিল্টার প্রতিক্রিয়া সাবমলিং (পুলিং) করে আউটপুটটির আকার হ্রাস করা বুদ্ধিমান হয়ে যায়। আরও পৃথক দুটি পিক্সেল একে অপরের থেকে কম সংযুক্ত। অতএব, পুলিং স্তরের একটি বড় পদক্ষেপ উচ্চ তথ্য ক্ষতির দিকে নিয়ে যায়। ঢিলেঢালাভাবে ভাষী. পুলিং স্তরটির জন্য 2 এবং একটি কর্নেল আকার 2x2 এর প্রসার একটি সাধারণ পছন্দ।
আরও পরিশীলিত পন্থা হ'ল ইনসেপশন নেটওয়ার্ক ( কনভলিউশনগুলির সাথে আরও গভীরতর দিকে যাওয়া ) যেখানে ধারণাটি স্পারসিটি বাড়াতে পারে তবে আরও গভীরতর নেটওয়ার্কগুলির জন্য একটি ইনসেপশন মডিউল বনাম একটি সংশোধন স্তরে পরামিতিগুলির সংখ্যার সাথে লেনদেন করে আরও উচ্চতর নির্ভুলতা অর্জনে সক্ষম হতে পারে।
একটি দুর্দান্ত কাগজ যা বর্তমান আর্কিটেকচারের প্রতি ইঙ্গিত দেয় এবং কাঠামোগত, পদ্ধতিগত উপায়ে ডিজাইনের কয়েকটি মাত্রার ভূমিকা হ'ল স্কুইজেট: 50x কম প্যারামিটার এবং <0.5 এমবি মডেলের আকারের সাথে অ্যালেক্সনেট-স্তরের যথার্থতা । এটি পূর্বে উল্লিখিত মডেলগুলিতে প্রবর্তিত ধারণাগুলি তৈরি করে।