JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 4. Распознавание изображений и звуковых сигналов
153
Листинг 4.1.
Описание сверточной модели для набора данных MNIST
Последовательная модель, формируемая кодом из листинга 4.1, состоит из семи 
слоев, создаваемых по очереди с помощью вызовов метода 
add()
. Прежде чем изучать 
подробности операций, выполняемых слоями, взглянем на общую архитектуру моде­
ли (рис. 4.2). Как демонстрирует схема, первые пять слоев модели содержат повторя­
ющийся паттерн из групп слоев conv2d­maxPooling2d, за которыми следует схлопну­
тый слой. Именно в этих группах слоев conv2d­maxPooling2d заключается основной 
механизм выделения признаков. Каждый из этих слоев преобразует входное изобра­
жение в выходное. В основе работы слоя conv2d лежит 
сверточное ядро
(convolutional 
kernel), «скользящее» по измерениям высоты и ширины входного изображения. При 
этом на каждой позиции оно умножается на входные пикселы, и полученные произ­
ведения суммируются и пропускаются через нелинейность. В результате получается 
пиксел выходного изображения. Слои maxPooling2d работают аналогично, но без 
ядра. Пропуская входные данные изображений через последовательные слои свертки 
и субдискретизации, мы получаем все меньшие по размеру и все более абстрактные 
в пространстве признаков тензоры. Выходной сигнал последнего слоя субдискретиза­
ции преобразуется в одномерный тензор с помощью схлопывания. Этот схлопнутый 
одномерный тензор затем попадает в плотный слой (на схеме не показан).
Сверточную сеть можно рассматривать как MLP, с предварительной обработкой 
в виде свертки и субдискретизации. Именно с таким MLP мы имели дело в задачах 

---

154
Часть II • Введение в TensorFlow.js
предсказания цен на бостонскую недвижимость и обнаружения фишинговых сайтов: 
он состоит просто из плотных слоев с нелинейными функциями активации. При­
веденная здесь сверточная нейронная сеть отличается тем, что входным сигналом 
для MLP служит выходной сигнал каскада слоев conv2d и maxPooling2d. Эти слои 
специально предназначены для выделения полезных признаков из входных сигналов 
в виде изображений. Подобная архитектура — результат многолетних исследований 
в области нейронных сетей: она обеспечивает намного более высокие показатели без­
ошибочности, чем подача значений пикселов изображений непосредственно в MLP.