addLayer

Quelles configurations avancées sont disponibles pour une couche de convolution (type CONVO ou CONVOLUTION) ?

Optimisation des Paramètres de Convolution

Deep Learning Convolution Réseaux Neurones Optimisation Hyperparamètres Vision Ordinateur

Pour une couche de convolution de type CONVO ou CONVOLUTION, vous pouvez configurer les aspects suivants :

  • height : Hauteur de la fenêtre de convolution 2D (obligatoire, minimum 1).
  • width : Largeur de la fenêtre de convolution 2D (obligatoire, minimum 1).
  • nFilters : Nombre de filtres à appliquer (obligatoire, minimum 1).
  • stride : Pas horizontal et vertical (par défaut 1, minimum 1). Peut être spécifié séparément via strideHorizontal (alias strideHorz, strideWidth) et strideVertical (alias strideVert, strideHeight).
  • padding : Dimensions de padding pour la largeur et la hauteur (minimum 0). Peut être spécifié séparément via paddingHeight et paddingWidth.
  • dropout : Taux de dropout pour la couche, entre 0 et 1 (exclu). Par défaut 0.
  • includeBias : Inclut des neurones de biais (TRUE par défaut).
  • init : Schéma d'initialisation des poids de filtre (voir les options détaillées dans la section d'initialisation).
  • initBias (alias initB) : Biais initial de la couche (par défaut 0).
  • mean : Valeur moyenne pour l'initialisation NORMAL (par défaut 0).
  • std : Écart-type pour l'initialisation NORMAL (par défaut 1).
  • truncationFactor (alias truncFact) : Seuil de troncature pour l'initialisation NORMAL (par défaut 0, minimum 0).
  • act : Fonction d'activation (voir les options détaillées dans la section fonctions d'activation).
  • fcmpAct : Fonction d'activation FCMPProcédure de création de fonctions et sous-programmes personnalisés réutilisables. Elle permet d'étendre le langage SAS et de partager des logiques métier complexes entre différentes étapes DATA. personnalisée.

Exemples pour l'action addLayer

1. Ajout de la couche d'entrée (INPUT)
Schéma conceptuel de l'exemple : 1. Ajout de la couche d'entrée (INPUT)

Cet exemple définit la couche INPUT (tenseurs RGB 3x32x32). Le paramètre scale (1/255) normalise les pixels dans [0,1], une étape critique pour stabiliser la descente de gradient.

2. Ajout d'une couche de convolution (CONVO)
Schéma conceptuel de l'exemple : 2. Ajout d'une couche de convolution (CONVO)

Cet exemple intègre une couche CONVO (16 filtres 3x3, stride=1). L'activation ReLU introduit la non-linéarité, et l'initialisation XAVIER préserve la variance des gradients.

Assemblage d'un réseau CNN de bout en bout
Schéma conceptuel de l'exemple : Assemblage d'un réseau CNN de bout en bout

Cet exemple finalise le CNN : Max Pooling (réduction spatiale), FC (dropout 0.2) et OUTPUT Softmax (entropie croisée).

Conseil de l'Expert
Au-delà des dimensions de base, la configuration d'une couche de convolution dans SAS Viya (via l'action set deepLearn) repose sur l'équilibre entre la résolution spatiale et la profondeur sémantique.

Cette réponse vous a-t-elle aidé ?

Utilisateur FAQ SAS Viya
Vos votes aident à améliorer notre base de connaissances.

Action CAS associée

deepLearn

addLayer
À lire aussi...
Comment configurer une couche de pooling (type POOL ou POOLING) dans un réseau de neurones ? Comment configurer une couche de pooling (type POOL ou POOLING) dans un réseau de neurones ? Quels sont les paramètres disponibles pour une couche récurrente (type RECURRENT) et comment la configurer pour différents types de RNN ? Quels sont les paramètres disponibles pour une couche récurrente (type RECURRENT) et comment la configurer pour différents types de RNN ? Quels paramètres contrôler l'exécution multi-threadée lors de l'ajout d'une couche et les couches sources de la nouvelle couche ? Quels paramètres contrôler l'exécution multi-threadée lors de l'ajout d'une couche et les couches sources de la nouvelle couche ? Comment spécifier la table en mémoire du modèle de Deep Learning cible pour l'ajout d'une couche ? Comment spécifier la table en mémoire du modèle de Deep Learning cible pour l'ajout d'une couche ? Comment ajouter une couche à un modèle de Deep Learning existant dans SAS Viya ? Comment ajouter une couche à un modèle de Deep Learning existant dans SAS Viya ?