« Convolution séparable » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
 
(5 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Quand le noyeau de dimension <math>d</math>peut être exprimé comme le produit vectoriel de <math>d</math>vecteurs (un vecteur par dimension) le noyeau est appelé séparable.
La convolution séparable est un concept avancé des réseaux convolutifs. Lorsque c’est possible, les convolutions séparables réduisent le nombre de paramètres et de calculs utilisés dans les opérations de convolution tout en augmentant l'efficacité du résultat obtenu.
 
Quand le noyau de convolution peut être exprimé par un produit vectoriel (un vecteur par dimension), la convolution est considérée comme étant séparable.  


== Français ==
== Français ==
Ligne 6 : Ligne 8 :
   
   
== Anglais ==
== Anglais ==
'''separable convulsion'''
'''separable convolution'''


 
==Sources==
<small>


[https://apprentissageprofond.org  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018  page 364  ]
[https://apprentissageprofond.org  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018  page 364  ]


[[Catégorie:Scotty2]]
[[Catégorie:Apprentissage profond]]
[[Catégorie:Apprentissage profond]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 29 janvier 2024 à 10:09

Définition

La convolution séparable est un concept avancé des réseaux convolutifs. Lorsque c’est possible, les convolutions séparables réduisent le nombre de paramètres et de calculs utilisés dans les opérations de convolution tout en augmentant l'efficacité du résultat obtenu.

Quand le noyau de convolution peut être exprimé par un produit vectoriel (un vecteur par dimension), la convolution est considérée comme étant séparable.

Français

convolution séparable

Anglais

separable convolution

Sources

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 364