Convolutional Layer 2D

Dieser Funktionsblock wird verwendet, um eine 2D-Faltungsschicht in einem neuronalen Netzwerk zu erstellen. Er ermöglicht Benutzern, Einstellungen für verschiedene Faltungsparameter zu konfigurieren, wodurch er an unterschiedliche Anwendungsfälle angepasst werden kann.

📥 Eingänge

Dieser Funktionsblock hat keine direkten Eingänge.

📤 Ausgänge

Dieser Funktionsblock produziert keine Ausgaben.

🕹️ Steuerungen

Filter Size Die Anzahl der Filter, die in der Faltungsschicht verwendet werden, was bestimmt, wie viele Merkmalskarten produziert werden.

Kernel Size Die Abmessungen des Faltungskernels, die immer eine ungerade Zahl sein sollten (z. B. 1, 3, 5).

Dilation Size Die Dilatationsrate für die Faltungsschicht. Eine Dilatation von -1 weist auf das Standardverhalten hin. Die Dilationsgröße kann helfen, die Parametergröße von Faltungsschichten zu reduzieren.

Activation Function Ein Dropdown-Menü, das es Ihnen ermöglicht, eine Aktivierungsfunktion auszuwählen, die auf die Ausgabe der Schicht angewendet werden soll, mit Optionen wie ReLU, Sigmoid und Softmax unter anderem.

🎨 Funktionen

Flexible Configuration Benutzer können die Filtergröße, die Kernelgröße, die Dilationsgröße und Aktivierungsfunktionen entsprechend den spezifischen Anforderungen des Modells anpassen.

Validation Checks Der Funktionsblock überprüft, ob die Parameter gültig sind (z. B. muss die Kernelgröße ungerade sein) und bietet eine Protokollierung von Fehlern für ungültige Eingaben.

📝 Nutzungshinweise

1. Configure Filter Size: Stellen Sie die gewünschte Anzahl von Filtern über den Eingangsbereich Filter Size ein.

2. Set Kernel Size: Geben Sie die Kernelgröße über den Eingangsbereich Kernel Size ein und stellen Sie sicher, dass sie eine ungerade Zahl ist.

3. Adjust Dilation Size: Geben Sie die Dilationsrate an, falls erforderlich, oder lassen Sie sie als Standardeinstellung, indem Sie -1 eingeben.

4. Select Activation Function: Wählen Sie die gewünschte Aktivierungsfunktion aus dem Dropdown-Menü.

5. Integrate into Model: Verwenden Sie diesen Block als Teil einer größeren Konfiguration eines neuronalen Netzwerks.

📊 Bewertung

Bei der Bewertung generiert dieser Funktionsblock eine Konfiguration für eine 2D-Faltungsschicht gemäß den angegebenen Parametern.

💡 Tipps und Tricks

Wählen der Kernelgröße

Stellen Sie sicher, dass die Kernelgröße nicht nur ungerade, sondern gemäß den Abmessungen Ihrer Eingabedaten moderat ist. Größere Kerne können zu höheren Berechnungen und Verlust von räumlicher Auflösung führen.

Verwendung unterschiedlicher Aktivierungen

Experimentieren Sie mit verschiedenen Aktivierungsfunktionen, um diejenige zu finden, die am besten zur Leistung und Konvergenzgeschwindigkeit Ihres Modells passt.

Auswirkungen der Dilationsrate

Die Verwendung einer Dilationsrate größer als 1 kann helfen, das rezeptive Feld der Faltungsfilter zu erweitern, ohne die Anzahl der Parameter zu erhöhen.

🛠️ Fehlersuche

Kernelgrößenfehler

Wenn Sie einen Fehler bezüglich der Kernelgröße erhalten, überprüfen Sie, ob Sie eine ungerade Zahl verwenden, wie definiert. Passen Sie den Wert bei Bedarf an.

Warnung zur Dilationsgröße

Wenn ein negativer Dilationswert eingegeben wird, wird ein Fehler protokolliert. Stellen Sie sicher, dass die Dilationsgröße korrekt eingestellt ist, um Fehlkonfigurationen zu vermeiden.