Yila
Architektur eines Faltungs-Neuronalen Netzwerks (CNN). (EN)Architektur eines Faltungs-Neuronalen Netzwerks (CNN). (ZH)

KI und Informatik

Architektur eines Faltungs-Neuronalen Netzwerks (CNN).

Aufbau:
Feature-Maps, die Schicht für Schicht schrumpfen
Seitenverhältnis:
16:9

Prompt

Erstellen Sie ein Architekturdiagramm eines „konvolutionellen neuronalen Netzwerks“, gelesen von links nach rechts: ein Eingabebild (ein kleines Katzenfotosymbol) → ein Stapel von Feature-Maps aus einer Faltungsschicht → ein kleinerer Stapel nach dem Pooling → ein zweites, kleineres Faltungs- und Pooling-Paar, das ohne Beschriftungen gezeichnet wird → eine Kreisspalte für die vollständig verbundene Schicht → drei Ausgabefelder für Klassen. Schreiben Sie jede Beschriftung nur einmal in der gesamten Abbildung. Beschriftungen (jede genau einmal verwenden, keinen weiteren Text hinzufügen): 【Input, Convolution, Pooling, Fully connected, Output】. Stil: schematisches Diagramm im Journal-Stil. Saubere, flache Vektorgrafiken auf weißem Hintergrund. Module sind abgerundete Rechtecke oder einfache Symbole mit ihren Kurznamen darin; Helle Pastelltafeln gruppieren verwandte Ebenen. Nur 3-4 gedämpfte Farben mit jeweils einer festen Bedeutung. Dünne, gleichmäßige Pfeile zeigen den Fluss von Daten, Energie, Material oder Einfluss; gestrichelte Pfeile für indirekte oder Feedback-Links. Nur serifenlose englische Etiketten, jedes Etikett kommt genau einmal vor und wird genau wie angegeben geschrieben. Kein 3D-Rendering, keine Schatten, kein Leuchten, keine Cyberpunk- oder Tech-Hintergrunddekoration, kein Fotorealismus.

Öffnet Yila mit diesem Prompt und dem Beispiel als Referenzbild.

Die Beispiele wurden mit Nano Banana erstellt. Der Prompt funktioniert auch mit GPT Image und anderen Bildmodellen; die Ergebnisse unterscheiden sich je nach Modell.

Alle Prompts ansehen