Cómo aplicar la red neuronal paralelista en cada parte de la imagen

1. ¿Por qué usamos la capa de agrupación en CNN??
2. Por qué CNN es mejor que MLP para la clasificación de imágenes?
3. ¿Cuántas imágenes puede clasificar una red neuronal??

¿Por qué usamos la capa de agrupación en CNN??

Por qué usar capas de agrupación? Las capas de agrupación se utilizan para reducir las dimensiones de los mapas de características. Por lo tanto, reduce el número de parámetros para aprender y la cantidad de cálculo realizada en la red. La capa de agrupación resume las características presentes en una región del mapa de características generadas por una capa de convolución.

Por qué CNN es mejor que MLP para la clasificación de imágenes?

Tanto MLP como CNN pueden usarse para la clasificación de imágenes, sin embargo, MLP toma el vector como entrada y CNN toma tensor como entrada para que CNN pueda comprender la relación espacial (relación entre los píxeles de imagen cercanos) entre píxeles de imágenes mejor, por lo tanto, para imágenes complicadas CNN funcionará mejor que MLP.

¿Cuántas imágenes puede clasificar una red neuronal??

El conjunto de datos CIFAR-10 consta de 60000 imágenes de color 32x32 en 10 clases, con 6000 imágenes por clase.