Convolutional এবং Pooling Layers

Machine Learning - পাইথন কৃত্রিম বুদ্ধিমত্তা (Artificial Intelligence with Python) - কনভলিউশনাল নিউরাল নেটওয়ার্ক (CNN)

364

Convolutional Neural Networks (CNNs) ডিপ লার্নিং এর অন্যতম একটি গুরুত্বপূর্ণ এবং জনপ্রিয় কাঠামো, যা প্রধানত চিত্র এবং ভিডিও বিশ্লেষণের জন্য ব্যবহৃত হয়। CNN এর মধ্যে Convolutional এবং Pooling লেয়ার দুটি খুবই গুরুত্বপূর্ণ উপাদান, যা মডেলকে চিত্র বা অন্য স্প্যাটিয়াল ডেটা (যেমন ভিডিও, টেক্সট) থেকে তথ্য বের করতে সাহায্য করে।

এখন আমরা আলোচনা করবো Convolutional Layer এবং Pooling Layer সম্পর্কে।

১. Convolutional Layer

Convolutional Layer হল CNN এর একটি গুরুত্বপূর্ণ অংশ যা ইনপুট ডেটার (চিত্র বা অন্য স্প্যাটিয়াল ডেটা) থেকে বৈশিষ্ট্য (features) বের করে। এটি ইনপুট ডেটার উপরে কনভোলিউশনাল ফিল্টার (Kernel) প্রয়োগ করে, যাতে ডেটার বৈশিষ্ট্যগুলো শিখতে সহায়ক হয়। কনভোলিউশন অপারেশনটি প্রতিটি পিক্সেলের জন্য একটি গাণিতিক অপারেশন (সাধারণত, পয়েন্টওয়াইজ গুণফল এবং যোগফল) করে।

কিভাবে কাজ করে:

ফিল্টার (Kernel): এটি একটি ছোট স্লাইডিং উইন্ডো যা ইনপুট চিত্রের উপর স্লাইড করে এবং পিক্সেলগুলির সাথে গুণফল নিয়ে সেগুলোর তথ্য বের করে।
স্ট্রাইড (Stride): ফিল্টারটি ইনপুট চিত্রের ওপর কতটা চলে যাবে (এটা পিচ বা শিফটও বলা হয়)। ছোট স্ট্রাইড হলে বিশদ তথ্য পাওয়া যায়, তবে এটি বেশি সময় নিবে।
প্যাডিং (Padding): কখনও কখনও ইনপুট ডেটাকে বর্ডারে অতিরিক্ত পিক্সেল (জিরো প্যাডিং) দিয়ে প্যাড করা হয় যাতে ফিল্টার পুরো চিত্রের ওপর প্রয়োগ করা যায় এবং আউটপুটের আকার নির্ধারণ করা যায়।

উদাহরণ:

ধরা যাক, আপনার কাছে একটি 5x5 চিত্র এবং একটি 3x3 ফিল্টার আছে। কনভোলিউশন অপারেশনটি ইনপুট চিত্রের উপরে স্লাইড করে 3x3 গুণফল বের করবে, এবং আউটপুটটি একটি ছোট চিত্র হবে।

কাজের উদাহরণ:

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D

# একটি সিম্পল কনভোলিউশনাল নিউরাল নেটওয়ার্ক তৈরি করা
model = Sequential()

# কনভোলিউশনাল লেয়ার যুক্ত করা
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))  # 32টি ফিল্টার, 3x3 কনভোলিউশনাল কের্নেল
model.summary()

এখানে, 32 হল ফিল্টারের সংখ্যা এবং (3, 3) হল ফিল্টারের আকার। relu হল অ্যাকটিভেশন ফাংশন যা নন-লাইনিয়ারিটি যোগ করে।

২. Pooling Layer

Pooling Layer স্নিগ্ধ (down-sampling) বা সঙ্কুচিতকরণ (dimensionality reduction) করতে ব্যবহৃত হয়। এটি কনভোলিউশনাল লেয়ারের আউটপুটের মাত্রা (ডাইমেনশন) কমাতে এবং মডেলকে কম্পিউটেশনাল দিক থেকে আরও কার্যকরী করতে সাহায্য করে।

প্রধানত দুটি ধরনের Pooling লেয়ার ব্যবহৃত হয়:

Max Pooling:
- এটি একটি নির্দিষ্ট অঞ্চলের (পুল) মধ্যে সর্বাধিক মান নির্বাচন করে।
- উদাহরণস্বরূপ, 2x2 পুলিং উইন্ডো ব্যবহার করলে এই 2x2 এর মধ্যে সর্বাধিক মানটি নির্বাচন করা হয়।
Average Pooling:
- এটি পুলিং উইন্ডোর মধ্যে গড় মান বের করে। এটি ম্যাক্স পুলিংয়ের তুলনায় কিছুটা স্মুথ আউটপুট দেয়, কিন্তু অনেক ক্ষেত্রেই ম্যাক্স পুলিং বেশি ব্যবহৃত হয়।

উদাহরণ:

# Max Pooling লেয়ার যুক্ত করা
model.add(MaxPooling2D(pool_size=(2, 2)))  # 2x2 পুলিং উইন্ডো
model.summary()

এখানে, pool_size=(2, 2) নির্দেশ করে যে 2x2 আকারের পুলিং উইন্ডো ব্যবহার করা হবে, যা ইনপুটের আকারকে ছোট করবে।

কাজের উদাহরণ:

ধরা যাক, আপনার কাছে 4x4 এর একটি ম্যাট্রিক্স আছে, এবং আপনি 2x2 এর একটি Max Pooling উইন্ডো প্রয়োগ করছেন:

4 3 2 1
5 6 7 8
9 10 11 12
13 14 15 16

এখানে, Max Pooling এর মাধ্যমে আপনি প্রতি 2x2 পুলের জন্য সর্বাধিক মান নির্বাচন করবেন, যেমন:

[6, 8]
[14, 16]

এতে আউটপুট মাত্রা 2x2 হবে।