selection CS

(이 게시물은 Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow (오렐리앙 제롱 지음, 박해선 옮김) 의 책을 참고하여 작성한 글입니다.) 위 책의 p542~p559의 내용을 담고 있습니다. 주제 : 합성곱 신경망에서 합성곱 층, 풀링층 구성 요소에 대해서 설명합니다. 풀링 층 계산량과 메모리 사용량을 줄인다 파라미터 수를 줄인다.(과대적합의 위험을 줄여준다. 즉, 축소본을 만드는 작업 풀링 뉴런은 가중치가 없다. 최대 풀링 층, 평균 풀링층 CNN에서 몇 개 층마다 최대 풀링 층을 추가하면 전체적으로 일정 수준의 이동 불변성을 얻을 수 있다. 최대 풀링은 회전과 확대, 축소에 대해 약간의 불변성을 제공한다. 스트라이드를 크게 줄 수록 면적..

(이 게시물은 Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow (오렐리앙 제롱 지음, 박해선 옮김) 의 책을 참고하여 작성한 글입니다.) 위 책의 p542~p559의 내용을 담고 있습니다. 주제 : 합성곱 신경망에서 합성곱 층, 풀링층 구성 요소에 대해서 설명합니다. 합성곱 층 네트워크가 첫 번째 은닉층에서는 작은 저수준 특성에 집중하고, 그 다음 은닉층에서는 더 큰 고수준 특성으로 조합해나가도록 도와준다. 스트라이드 한 수용장과 다음 수용장 사이의 간격 모델의 계산 복잡도를 크게 낮춰줌 큰 입력층을 훨씬 작은 층에 연결하는 것이 가능 필터(합성곱 커널) 층의 전체 뉴런에 적용된 하나의 필터는 하나의 특성맵을 만든다. 특성맵 필터를 가장 ..