Modul CNN membahas pemrosesan citra di PyTorch, mulai dari alasan konvolusi yang cocok untuk citra, mekanika Conv2d beserta rumus shape keluarannya, pooling, batch normalization, arsitektur klasik bergaya VGG, hingga data augmentation. Setiap topik menelusuri shape tensor dari masukan hingga keluaran dengan program kecil yang dapat dijalankan ulang. Posisi modul ini berada setelah modul perulangan pelatihan, sehingga komponen CNN yang dirangkai di sini siap dilatih penuh pada modul-modul berikutnya.
CNN
Modul CNN: alasan konvolusi, mekanika Conv2d, pooling, batch normalization, arsitektur klasik, dan data augmentation.
0/0 selesai
- Mengapa konvolusi
Lokalitas, pembagian bobot, dan prior citra yang menjadikan konvolusi pilihan alami.
- Mekanika Conv2d
Kernel, stride, padding, dan rumus shape keluaran Conv2d.
- Pooling
Max pooling dan average pooling beserta efeknya pada shape.
- Batch normalization
Apa yang distabilkan batch normalization dan perbedaan perilaku mode train dan mode eval.
- Arsitektur klasik
Membangun ulang jaringan kecil bergaya VGG dari blok konvolusi.
- Data augmentation
Flip, crop, dan ColorJitter untuk memperkaya data citra.