« Canal » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Ligne 16 : | Ligne 15 : | ||
'''Channel''' | '''Channel''' | ||
Input data to Deep Learning models can have multiple channels. The canonical examples are images, which have red, green and blue color channels. A image can be represented as a 3-dimensional Tensor with the dimensions corresponding to channel, height, and width. Natural Language data can also have multiple channels, in the form of different types of embeddings for example. | Input data to Deep Learning models can have multiple channels. The canonical examples are images, which have red, green and blue color channels. A image can be represented as a 3-dimensional Tensor with the dimensions corresponding to channel, height, and width. Natural Language data can also have multiple channels, in the form of different types of embeddings for example. | ||
Ligne 25 : | Ligne 24 : | ||
[[category:Vocabulary]] | [[category:Vocabulary]] | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:Publication]] |
Version du 20 août 2022 à 12:19
Définition
Les données d'entrée des modèles d'apprentissage profond peuvent avoir plusieurs canaux. Les exemples canoniques sont les images, qui ont des canaux de couleur rouge, vert et bleu. Une image peut être représentée comme un tenseur tridimensionnel dont les dimensions correspondent au canal, à la hauteur et à la largeur. Les données en langue naturelle peuvent également avoir plusieurs canaux, sous la forme de différents types d'enchâssements par exemple.
Français
Canal
Anglais
Channel
Input data to Deep Learning models can have multiple channels. The canonical examples are images, which have red, green and blue color channels. A image can be represented as a 3-dimensional Tensor with the dimensions corresponding to channel, height, and width. Natural Language data can also have multiple channels, in the form of different types of embeddings for example.
Contributeurs: Marie Alfaro, wiki