Uma das limitações do uso de redes densas para tratar imagens está no número excessivo de parâmetros do modelo. Nas redes convolucionais, esse núme...
Uma das limitações do uso de redes densas para tratar imagens está no número excessivo de parâmetros do modelo. Nas redes convolucionais, esse número é drasticamente reduzido em função do processo de compartilhamento de pesos. O que representa o compartilhamento de pesos em uma rede convolucional?
A. Todos os neurônios de uma mesma camada possuirão exatamente o mesmo conjunto de pesos e bias.
B. Todos os neurônios da rede irão compartilhar parte dos pesos entre si, facilitando a convergência do modelo.
C. Todos os pesos de uma dada camada são replicados nas camadas seguintes.
D. Não há compartilhamento de pesos em redes convolucionais.
E. Todos os neurônios da rede irão receber o mesmo número de parâmetros (pesos), permitindo que apenas o bias seja ajustado independentemente por neurônio.
A. Todos os neurônios de uma mesma camada possuirão exatamente o mesmo conjunto de pesos e bias.
B. Todos os neurônios da rede irão compartilhar parte dos pesos entre si, facilitando a convergência do modelo.
C. Todos os pesos de uma dada camada são replicados nas camadas seguintes.
D. Não há compartilhamento de pesos em redes convolucionais.
E. Todos os neurônios da rede irão receber o mesmo número de parâmetros (pesos), permitindo que apenas o bias seja ajustado independentemente por neurônío.
A. Todos os neurônios de uma mesma camada possuirão exatamente o mesmo conjunto de pesos e bias.
B. Todos os neurônios da rede irão compartilhar parte dos pesos entre si, facilitando a convergência do modelo.
C. Todos os pesos de uma dada camada são replicados nas camadas seguintes.
D. Não há compartilhamento de pesos em redes convolucionais.
E. Todos os neurônios da rede irão receber o mesmo número de parâmetros (pesos), permitindo que apenas o bias seja ajustado independentemente por neurônio.
A. Todos os neurônios de uma mesma camada possuirão exatamente o mesmo conjunto de pesos e bias.
B. Todos os neurônios da rede irão compartilhar parte dos pesos entre si, facilitando a convergência do modelo.
C. Todos os pesos de uma dada camada são replicados nas camadas seguintes.
D. Não há compartilhamento de pesos em redes convolucionais.
E. Todos os neurônios da rede irão receber o mesmo número de parâmetros (pesos), permitindo que apenas o bias seja ajustado independentemente por neurônío.
💡 1 Resposta
Ed 
O compartilhamento de pesos em uma rede convolucional é representado pela alternativa B: "Todos os neurônios da rede irão compartilhar parte dos pesos entre si, facilitando a convergência do modelo." Isso significa que, em vez de cada neurônio ter seus próprios pesos, um conjunto de pesos é compartilhado entre vários neurônios, reduzindo o número total de parâmetros do modelo e tornando-o mais eficiente.
✏️ Responder
Para escrever sua resposta aqui, entre ou crie uma conta
Outros materiais
Compartilhar