18 · Compresión de características

Estudio a fondo 18 de Tensores para Aprendizaje Automático. Una pregunta práctica:

¿Qué significa comprimir un mapa de características?

Despliega un tensor (H, W, C) en una matriz (H, W · C), conserva sus patrones dominantes con una SVD truncada y vuelve a plegarlo. Después mide tres cosas fáciles de confundir: energía retenida, coste de almacenamiento y fidelidad visual.

Lo recorren dos trampas. La energía es amplitud al cuadrado, no una suma de valores singulares. Y la reconstrucción es tan grande como la entrada: la compresión vive en los factores, que con rango alto ocupan más que los datos.

Este estudio a fondo es para casa desde el principio: no es uno de los laboratorios en vivo.

Estudia aquí y luego ejecuta lo real: cuaderno 18 en Colab · todos los cuadernos

Creado a partir del material del propio taller, de Ravi Kalia y Sebastian Laverde Chunza, CC BY 4.0.