Sách Deep Learning cơ bản
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
12 Các kỹ thuật cơ bản trong deep learning . . . . . . . . . . . . . . . . . . . . . 163
12.1 Vectorization 163
12.2 Mini-batch gradient descent 164
12.2.1 Mini-batch gradient descent là gì . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
12.2.2 Các thông số trong mini-batch gradient descent . . . . . . . . . . . . . . . . . . . . . 166
12.3 Bias và variance 167
12.3.1 Bias, variance là gì . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
12.3.2 Bias, variance tradeoff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
12.3.3 Đánh giá bias and variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
12.4 Dropout 169
12.4.1 Dropout là gì . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.4.2 Dropout hạn chế việc overfitting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.4.3 Lời khuyên khi dùng dropout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
12.5 Activation function 170
12.5.1 Non-linear activation function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
12.5.2 Vanishing và exploding gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
12.5.3 Một số activation thông dụng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
12.6 Bài tập 174
VI
Computer Vision Task
13 Object detection với Faster R-CNN . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
13.1 Bài toán object detection 177
13.2 Faster R-CNN 178
13.2.1 R-CNN (Region with CNN feature) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
13.2.2 Fast R-CNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
13.2.3 Faster R-CNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
13.3 Ứng dụng object detection 187
13.4 Bài tập 187
14 Image segmentation với U-Net . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
14.1 Bài toán image segmentation 189
14.1.1 Phân loại bài toán image segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
14.1.2 Ứng dụng bài toán segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
14.2 Mạng U-Net với bài toán semantic segmentation 192
14.2.1 Kiến trúc mạng U-Net . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
14.2.2 Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
14.3 Bài tập 196