Como aplicar a rede neural parallelly em cada parte da imagem

1. Por que usamos camada de pool na CNN?
2. Por que a CNN é melhor que o MLP para classificação de imagem?
3. Quantas imagens podem classificar uma rede neural?

Por que usamos camada de pool na CNN?

Por que usar camadas de agrupamento? As camadas de agrupamento são usadas para reduzir as dimensões dos mapas de recursos. Assim, reduz o número de parâmetros para aprender e a quantidade de computação realizada na rede. A camada de pool resume os recursos presentes em uma região do mapa de recursos gerados por uma camada de convolução.

Por que a CNN é melhor que o MLP para classificação de imagem?

Tanto o MLP quanto a CNN podem ser usados ​​para classificação de imagens, no entanto, o MLP toma o vetor como entrada e a CNN toma tensor como entrada para que a CNN possa entender a relação espacial (relação entre pixels próximos da imagem) entre pixels de imagens melhor, assim, para imagens complicadas que CNN terá um desempenho melhor do que MLP.

Quantas imagens podem classificar uma rede neural?

O conjunto de dados CIFAR-10 consiste em 60000 imagens coloridas 32x32 em 10 classes, com 6000 imagens por classe.