7장 합성곱 신경망 CNN

## CNN (Conv, Pooling 추가)

Pooling은 생략 ㅇ

 

## 합성곱연산

 

## 패딩

연산 수행 전에 입력데이터 주변 픽셀을 특정값(0, 1등)으로 채우는 것

폭 1짜리 패딩: 데이터 사방 1픽셀을 특정 값으로 채움

 

## 스트라이드 

필터 적용하는 간격 > 위 사진은 스트라이드 2

 

## 출력크기 계산

스트라이드로 나눈 값은 정수로 나누어 떨어져야 함

 

## 3차원 데이터 합성곱

채널 수 c로 같음

 

## 배치처리

데이터에 배치용 차원 추가

→ CNN 계층 사이를 흐르는 데이터는 4차원!

 

## 풀링 계층 : 가로 세로 방향이 공간을 줄이는 연산

 

- 윈도우에 따라 스트라이드 값이 변함 > 윈도우 2x2이면 스트라이드 2 , 윈도우 4x4이면 스트라이드 4 

- 학습해야 할 매개변수 x > 대상 영역에서 최대값이나 평균을 취하는 처리라서

- 채널 수 변하지 않음 > 각 채널마다 독립적으로 계산

- 입력의 변화에 영향을 적게 받음

 

im2col

 

## LeNet

손글씨 숫자 인식 네트워크 

 - 활성화 함수 sigmoid 사용

 - subsampling을 해서 중간 데이터 크기를 줄임

 - 20년 전 ㄷㄷ

 

## AlexNet

 - 활성화 함수로 ReLU 사용

 - LRN(local response nomalization) 국소적 정규화를 하는 계층 이용

 - dropout 사용