반응형 CNN2 딥러닝) CNN 풀링 계층 이전 포스팅에서 CNN구조와 합성곱 계층에 대해 다루었다. Fully connnected 신경망과 달리 CNN은 합성곱 계층과 풀링 계층이 등장한다고 하였다. 오늘은 풀링 계층에 대해 살펴볼 것이다. 1. 풀링 계층(Pooling Layer) pooling은 주로 합성곱 연산과 활성화 함수를 거친 후에 수행하며, 최대 풀링(max plooling)과 평균 풀링(average pooling) 등이 있다. 최대 풀링은 window에서 최댓값을 뽑아내는 것이다. 예를 들어 2x2 최대풀링을 stride=2로 처리하면 다음과 같다. 평균 풀링(average pooling)은 원소를 뽑아낼 때, 최댓값이 아닌 윈도우내의 평균값을 연산하여 취하는 것을 말한다. 일반적으로 풀링의 윈도우 크기와 스트라이드는 같은 값으.. 2021. 4. 5. 딥러닝) CNN 구조 , 합성곱 계층 , padding , stride , 배치 처리 이번 포스팅에서 다룰 합성곱 신경망(Convolutional neural network , CNN)은 이미지 및 음성 인식에서 주로 사용된다. 1. CNN 구조 이전 포스팅까지 다루었던 기본 신경망은 인접하는 Layer의 모든 neuron들이 서로 연결되어 있다. 이처럼 모든 neuron이 연결된 것을 완전연결(Fully connected)라 하며, Affine계층으로 구현했다. 오늘 다룰 합성곱 신경망(Convolutional neural network , CNN)은 기본 신경망의 Affine-ReLU부분은 Conv-ReLU-(Pooling)로 바뀌고, 기본 신경망과 마찬가지로 출력층 근처의 Layer에서는 Affine-ReLU을, 출력층에서는 Affine-Softmax를 사용한다. 2. Fully c.. 2021. 4. 4. 이전 1 다음 728x90 반응형
