কনভোলশনাল স্তর এবং পুলিং স্তরগুলি ইনপুট মাত্রাগুলি থেকে স্বতন্ত্র are তবে কনভ্যুশনাল স্তরগুলির আউটপুটটিতে বিভিন্ন আকারের চিত্রগুলির জন্য পৃথক আকারের আকার থাকবে এবং এটির পরে যদি আমাদের একটি সম্পূর্ণ সংযুক্ত স্তর থাকে তবে (যেহেতু আমাদের সম্পূর্ণ সংযুক্ত স্তরটির একটি নির্দিষ্ট আকারের ইনপুট প্রয়োজন)। এর বেশ কয়েকটি সমাধান রয়েছে:
১. গ্লোবাল পুলিং: কনভ্যুশনাল স্তরগুলির শেষে সম্পূর্ণ সংযুক্ত স্তরগুলি এড়িয়ে চলুন এবং তার পরিবর্তে (এন, এইচ, ডাব্লু, সি) এর আকার (আপনার গ্লোবাল পুলের আগে) এর বৈশিষ্ট্য মানচিত্রকে হ্রাস করতে পুলিং (যেমন গ্লোবাল গড় পুলিং) ব্যবহার করুন global ) আকারে (এন, 1,1, সি) (গ্লোবাল পুলের পরে), যেখানে:
এন = মিনিবচের নমুনার সংখ্যা
এইচ = বৈশিষ্ট্য মানচিত্রের স্থানিক উচ্চতা
ডাব্লু = বৈশিষ্ট্য মানচিত্রের স্থানিক প্রস্থ
সি = বৈশিষ্ট্য মানচিত্রের সংখ্যা (চ্যানেল)
হিসাবে দেখা যায়, আউটপুট মাত্রা (এন * সি) বৈশিষ্ট্য মানচিত্রের স্থানিক আকার (এইচ, ডাব্লু) থেকে এখন স্বাধীন। শ্রেণিবিন্যাসের ক্ষেত্রে, তারপরে আপনি আপনার ক্লাসের জন্য লগইটগুলি পেতে উপরে একটি সম্পূর্ণ সংযুক্ত স্তর ব্যবহার করতে এগিয়ে যেতে পারেন।
2. পরিবর্তনশীল আকারের পুলিং:বিভিন্ন ইনপুট আকারের জন্য একই বৈশিষ্ট্য মানচিত্রের আকার পেতে ভেরিয়েবল আকারের পুলিং অঞ্চলগুলি ব্যবহার করুন।
৩. শস্য / পুনরায় আকার / প্যাড ইনপুট চিত্রগুলি: আপনি নিজের ইনপুট চিত্রগুলি একই আকারে পুনরুদ্ধার / ক্রপ / প্যাড করতে চেষ্টা করতে পারেন।
ট্রান্সফার শেখার প্রসঙ্গে আপনি মডেলটি যে প্রশিক্ষণ পেয়েছিলেন তার চেয়ে ভিন্ন আকারের ইনপুটগুলি ব্যবহার করতে চাইতে পারেন। এটি করার জন্য কয়েকটি বিকল্প এখানে রয়েছে:
৪. নতুনভাবে সম্পূর্ণ সংযুক্ত স্তর তৈরি করুন: আপনি সম্পূর্ণরূপে সংযুক্ত স্তরগুলি সম্পূর্ণরূপে খনন করতে পারেন এবং আপনার প্রয়োজনীয় মাত্রিকতার সাথে একটি নতুন সম্পূর্ণ সংযুক্ত স্তরটি শুরু করতে পারেন এবং এটি স্ক্র্যাচ থেকে প্রশিক্ষণ দিতে পারেন।
৫. সম্পূর্ণ সংযুক্ত স্তরটিকে একটি রূপান্তর হিসাবে বিবেচনা করুন: সাধারণত, আমরা সম্পূর্ণরূপে সংযুক্ত স্তরটিকে খাওয়ানোর আগে বৈশিষ্ট্য মানচিত্রগুলি (এন, এইচ, ডাব্লু, সি) থেকে (এন, এইচ * ডাব্লু * সি)
রূপান্তর করি। তবে আপনি সম্পূর্ণরূপে সংযুক্ত স্তরটিকে (এইচ, ডাব্লু) এর একটি গ্রহণযোগ্য ক্ষেত্রের সাথে কনভলভ হিসাবে বিবেচনা করতে পারেন। তারপরে, আপনি এই বৈশিষ্ট্যটির মানচিত্রগুলির আকার নির্বিশেষে আপনার বৈশিষ্ট্য মানচিত্রের সাহায্যে এই কার্নেলটিকে কেবল মিশ্রিত করতে পারেন (প্রয়োজনে শূন্য প্যাডিং ব্যবহার করুন) [
http://cs231n.github.io/transfer-learning/ ]।