Деконволюция — чему учатся сети? (визуализация + код)

В этом видео мы рассмотрим, чему на самом деле обучаются глубокие слои сверточной нейронной сети, с помощью некоторых наглядных примеров. Мы иллюстрируем это с помощью деконволюции. ОБО МНЕ ⭕ Подписаться: https://www.youtube.com/c/CodeEmporium?sub_confirmation=1 📚 Блог на Medium: https://medium.com/@dataemporium 💻 Github: https://github.com/ajhalthor 👔 LinkedIn: https://www.linkedin.com/in/ajay-halthor-477974bb/ РЕСУРСЫ [1 📚] Слайды, использованные в видео: https://link.excalidraw.com/p/readonly/KAFfYYmtoLUZuWisoJH8 [2 📚] Основная статья видео: https://arxiv.org/pdf/1311.2901 [3 📚] Код для визуализации глубоких слоёв сети с помощью деконволюции: https://github.com/ajhalthor/computer-vision-101/blob/main/visualization_of_deep_layers.ipynb [4 📚] Основная статья, в которой был представлен AlexNet: https://proceedings.neurips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf [5 📚] Код для визуализации карт признаков сверточных сетей: https://github.com/ajhalthor/computer-vision-101/blob/main/Visualizing_Convolutions_and_Pooling.ipynb ПЛЕЙЛИСТЫ С МОЕГО КАНАЛА ⭕ Обучение с подкреплением: https://www.youtube.com/playlist?list=PLTl9hO2Oobd9kS--NgVz0EPNyEmygV1Ha Обработка естественного языка: https://www.youtube.com/playlist?list=PLTl9hO2Oobd_bzXUpzKMKA3liq2kj6LfE ⭕ Трансформеры с нуля: https://www.youtube.com/playlist?list=PLTl9hO2Oobd_bzXUpzKMKA3liq2kj6LfE ⭕ Плейлист ChatGPT: https://www.youtube.com/playlist?list=PLTl9hO2Oobd9coYT6XsTraTBo4pL1j4HJ ⭕ Свёрточные нейронные сети: https://www.youtube.com/playlist?list=PLTl9hO2Oobd9U0XHz62Lw6EgIMkQpfz74 ⭕ Математика, которую вы должны знать: https://www.youtube.com/playlist?list=PLTl9hO2Oobd-_5sGLnbgE8Poer1Xjzz4h ⭕ Теория вероятностей для машинного обучения: https://www.youtube.com/playlist?list=PLTl9hO2Oobd9bPcq0fj91Jgk_-h1H_W3V ⭕ Программирование машинного обучения: https://www.youtube.com/playlist?list=PLTl9hO2Oobd82vcsOnvCNzxrZOlrz3RiD КУРСЫ ПО МАТЕМАТИКЕ (7-дневный бесплатный пробный период) 📕 Математика для машинного обучения: https://imp.i384100.net/MathML 📕 Математический анализ: https://imp.i384100.net/Calculus 📕 Статистика для науки о данных: https://imp.i384100.net/AdvancedStatistics 📕 Байесовская статистика: https://imp.i384100.net/BayesianStatistics 📕 Линейная алгебра: https://imp.i384100.net/LinearAlgebra 📕 Теория вероятностей: https://imp.i384100.net/Probability ДРУГИЕ КУРСЫ ПО ТЕМЕ (бесплатный пробный 7-дневный период) 📕 ⭐ Специализация по глубокому обучению: https://imp.i384100.net/Deep-Learning 📕 Python для всех: https://imp.i384100.net/python 📕 MLOps Курс: https://imp.i384100.net/MLOps 📕 Обработка естественного языка (NLP): https://imp.i384100.net/NLP 📕 Машинное обучение в производстве: https://imp.i384100.net/MLProduction 📕 Специализация по науке о данных: https://imp.i384100.net/DataScience 📕 Tensorflow: https://imp.i384100.net/Tensorflow ГЛАВЫ 00:00 Зачем визуализировать знания сверточной сети? 02:28 Как визуализировать глубокие слои сверточной сети? 03:37 Вычисление деконволюции на примере 09:26 Код для визуализации знаний всех слоев сети 11:50 Чему на самом деле обучается каждый слой сети? 19:44 Время викторины 20:46 Итоги