패스트캠퍼스 챌린지 - 24일차

강의 내용 Review

---

📍배운내용📍

• 여러 개의 필터를 사용한 합성곱 연산
• 배치처리
• 풀링계층 
• 풀링계층 특징

👉강의내용👈

Ch.01 딥러닝 네트워크의 연산

Lecture5. Conv Layers

여러 개의 필터를 사용한 합성곱 연산

• 3차원 데이터에 필터를 n개 적용하면 n개의 출력맵이 생성 
• 이 출력맵을 또 다음 계층으로 넘김 
• 합성곱의 필터의 가중치 데이터는 (출력채널수, 입력채널수, 높이, 너비) 순으로 씀
• 합성곱에서도 바이어스(편향)가 더해짐 
• 편향의 데이터 형상은 (필터너비, 1,1 ) 임

배치처리

• 신경망은 입력 데이터를 한 덩어리로 묶어 배치로 처리함
• 이방식은 처리효율을 높이고, 미니 배치 방식도 학습 가능함
• 합성곱 연산의 배치 처리는 각 계층을 흐르는 데이터 차원을 하나 늘려 4차원 데이터로 저장
• 데이터 모양 (데이터수, 채널 수, 높이, 너비) 순으로 저장
• 신경망에 4차원 데이터가 흐를 때마다 데이터 N개에 대한 합성곱 연산이 이루어짐 
• N회분 처리 한 번에 진행 

풀링계층 

• 풀링은 세로, 가로 방향의 공간을 줄이는 연산
• 스트라이트를 2로 최대 풀링을 구하면, 윈도우가 2칸씩 이동하면서 맥스값을 뽑음
• 풀링의 윈도우 크기와 스트라이드는 같은 값으로 설정

풀링계층의 특징

• 학습해야 할 매개 변수가 없음 -> 합성곱 계층과 달리 가중치와 바이어스가 없음 
• 채널 수가 변하지 않음 -> 입력데이터의 채널 수 그대로 출력 데이터로 보냄, 채널마다 독립적으로 계산 
• 입력의 변화에 영향을 적게 받음 

 

공부사진 

---

실습 강의 듣기

배치 사이즈로 합성곱 연산 실습중

 

24일차 후기

---

 

합성곱을 배치로 처리하는 방법과 풀링계층에 대해 배웠다. 
실습을 일일이 다 타이핑 하니깐 시간이 오래 걸린다. 
그리고 진도도 계속 밀린다.ㅠㅠ 얼른얼른 듣자~!

 

 

참고문헌 : 밑바닥부터 시작하는 딥러닝 1권

 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.