CNN และการจำแนกภาพ
Convolutions, pooling, สถาปัตยกรรม (VGG, ResNet), transfer learning, data augmentation, fine-tuning
1การดำเนินการ convolution ใน CNN คืออะไร?
การดำเนินการ convolution ใน CNN คืออะไร?
คำตอบ
Convolution เป็นการดำเนินการทางคณิตศาสตร์ที่ใช้ฟิลเตอร์ (kernel) บนภาพโดยเลื่อนฟิลเตอร์นี้ไปทั่ว input และคำนวณ dot product ในแต่ละตำแหน่ง สิ่งนี้ช่วยให้สามารถสกัด feature ท้องถิ่น เช่น ขอบ texture หรือรูปแบบ ต่างจาก dense network ที่แต่ละนิวรอนเชื่อมต่อกับ input ทั้งหมด convolution ใช้ประโยชน์จากโครงสร้างเชิงพื้นที่ของภาพโดยการแบ่งปันน้ำหนักฟิลเตอร์ทั่วทั้งภาพ
2บทบาทของ stride ในเลเยอร์ convolution คืออะไร?
บทบาทของ stride ในเลเยอร์ convolution คืออะไร?
คำตอบ
Stride กำหนดขนาดของขั้นเมื่อย้ายฟิลเตอร์ไปทั่วภาพ Stride เท่ากับ 1 ย้ายฟิลเตอร์ทีละหนึ่งพิกเซลในแต่ละขั้น ในขณะที่ stride เท่ากับ 2 ย้ายไป 2 พิกเซล จึงลดขนาด output การเพิ่ม stride ช่วยให้ลดมิติเชิงพื้นที่ของ feature map และต้นทุนการคำนวณได้ แต่ก็อาจทำให้ข้อมูลสูญหายหาก stride ใหญ่เกินไป
3วัตถุประสงค์ของ padding ในเลเยอร์ convolution คืออะไร?
วัตถุประสงค์ของ padding ในเลเยอร์ convolution คืออะไร?
คำตอบ
Padding คือการเพิ่มพิกเซล (โดยปกติเป็นศูนย์) รอบภาพ input ก่อนที่จะใช้ convolution สิ่งนี้ช่วยให้ควบคุมขนาด output และรักษาข้อมูลที่ขอบภาพ ด้วย padding 'same' output จะมีขนาดเท่ากับ input ในขณะที่ 'valid' (ไม่มี padding) ขนาดจะลดลง Padding ยังป้องกันไม่ให้พิกเซลขอบถูกแสดงน้อยใน feature map
ความแตกต่างระหว่าง Max Pooling และ Average Pooling คืออะไร?
Feature map ใน CNN คืออะไร?
+21 คำถามสัมภาษณ์
หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ
พื้นฐาน Python
การเขียนโปรแกรมเชิงวัตถุด้วย Python
โครงสร้างข้อมูล Python
พื้นฐาน Git
พื้นฐาน SQL
พื้นฐาน NumPy
พื้นฐาน Pandas
Jupyter & Google Colab
SQL Joins และคิวรีขั้นสูง
Pandas ขั้นสูง
การแสดงผลข้อมูลด้วย Matplotlib & Seaborn
การแสดงผลแบบโต้ตอบด้วย Plotly
สถิติเชิงพรรณนา
สถิติเชิงอนุมาน
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML แบบมีผู้สอน: การถดถอย
ML แบบมีผู้สอน: การจำแนกประเภท
Decision Trees และ Ensembles
Unsupervised ML
ML Pipelines และการตรวจสอบ
Time Series และการพยากรณ์
พื้นฐาน Deep Learning
TensorFlow & Keras
RNN และซีเควนซ์
Transformers และ Attention
NLP และ Hugging Face
GenAI และ LangChain
MLOps และการ Deploy
เชี่ยวชาญ Data Science & ML สำหรับการสัมภาษณ์ครั้งถัดไป
เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์
เริ่มใช้ฟรี