No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Padding y Strides

10/25
Recursos

Aportes 5

Preguntas 2

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

o inicia sesión.

Padding

Stride

ESTE CURSO LO LLEVO DESPACIO, PERO ES INCREIBLE COMO ESTOY APRENDIENDO, MUCHISIMAS GRACIAS PROFE, GRACIAS PLATZI POR ESTOS CURSOS

En este ejemplo no estamos usando padding exactamente, pero vale la pena ver el resultado.
Si en la imagen de la anterior clase utilizamos un kernel bastante grande, como este:

s =  205
kernel = np.zeros((s, s))
kernel[s-1][s//2] = 1

Podemos obtener varios resultados dependiendo de como definimos que rellene las filas de los límites.

Padding y Strides

Son dos tipos de hiper parámetros que pertenecen a las capas de convolución.

El kernel es considerado por muchos como el hiper-parámetro de referencia de la convolución ya que puede especificar qué tipo y tamaño de Kernel se va a manejar para hacer la convolución de la imagen.

Padding
Es un margen que se le agrega a la imagen para que al momento de realizar la operación de convolución la imagen resultante no reduzca su tamaño. Se utilizan 0 para que no altere las características de las imágenes original.

Stride
Es el tamaño del paso en cada convolución. Entre más grande sea el paso menor será la imagen resultante.

Como se implemente en la capa de convolución?

  1. Invocas la capa de convolución que deseas utilizar
  2. Filters: cuantos Kernel’s voy a utilizar
  3. Kernel_size: el tamaño de la matriz
  4. Strides: que se reciben como una tupla en la cual el primer parámetro registra el movimiento hacia los lados y el segundo, su movimiento hacia arriba o hacia abajo
  5. Padding: recibe en un array dos valores “valid” y “same”.

Si se selecciona same, entonces Keras automáticamente se encarga de todos los hiper-parámetros para que el padding sea lo suficientemente grande, tanto para que la imagen de entrada como la de salida sean exactamente las mismas y no se pierda ningún dato durante el proceso.

Si se selecciona “valid”, entonces no aplica el “padding”. Al momento de pasar el filtro tomara el primer hasta el último pixel original de la imagen pero esto resultara en una imagen más corta en ancho y largo.

Padding: es un margen que se le agrega a la imagen para que al momento de realizar la operación de convolución la imagen resultante no reduzca su tamaño. Se utilizan 0 para que no altere las características de las imágenes original.

Stride: Es el tamaño del paso en cada convolución. Entre mas grande sea el paso menor será la imagen resultante.