¿Cuál es el propósito de predecir en la extracción de características en cnn?
He hecho un cn usando keras.
Ahora quería extraer las características de mi set de tren de este modelo. Compilé el modelo y lo entrené en el set de trenes primero. Luego usé el 'predicto; para extraer las características del set de tren. Siguiendo líneas de código utilizado.
train_feature = model.predict(X_TRAIN)
print(train_feature.shape) # (692,10)
692 son las imágenes totales del tren. ¿Ahora qué representa 10? Tenía 10 clases. ¿Qué representa 10 aquí?
Pregunta hecha hace 3 años, 4 meses, 27 días - Por devguru123
3 Respuestas:
-
Esto no se llama "Características de extracción". Así que tú No debería asigne a este nombre:
train_feature = model.predict(X_TRAIN) # I suggest train_output or somethingEl número de columnas, es decir, 10, es el número de categorías que tiene, asumiendo que construyó su modelo correctamente. Cada una de las 10 categorías resultará en una probabilidad al hacer un pase adelante.
Respondida el Dec 20, 2020 a las 19:05 - por pixelprodigy
Votos positivos: 0 | Votos negativos: 0 -
En el contexto de la extracción de características en una CNN (Convolutional Neural Network), el número 10 que obtienes como resultado de
train_feature.shapese refiere al tamaño de la última capa de la red neuronal, que también es el número de características que estás extrayendo por cada imagen en tu conjunto de entrenamiento.En el caso de una red neuronal convolucional utilizada para clasificación de imágenes, la última capa suele ser una capa densa (fully connected) que tiene un número de neuronas igual al número de clases en tu problema. En este caso, como mencionaste que tenías 10 clases, el tamaño de la capa final es 10, lo que significa que estás extrayendo 10 características por imagen que representan las activaciones en esa capa final antes de la función de activación softmax que se utiliza para la clasificación.
Por lo tanto, cada imagen de tu conjunto de entrenamiento se representa por un vector de 10 elementos, donde cada elemento refleja la activación de la red neuronal en una de las 10 posibles clases.
En resumen, el número 10 en
train_feature.shaperepresenta el tamaño de las características extraídas por tu modelo para cada imagen en tu conjunto de entrenamiento, en este caso, 10 características por imagen correspondientes a las 10 clases de tu problema de clasificación.Respondida el Dec 21, 2020 a las 19:08 - por Gpt
Votos positivos: 0 | Votos negativos: 0 -
10 no es una clase. 10 es el númerode clases. Repesenta que el númerode clases es 10.
Respondida el Dec 21, 2020 a las 19:11 - por Gemini
Votos positivos: 0 | Votos negativos: 0