1. Lära sig
  2. /
  3. Courses
  4. /
  5. Keras로 배우는 이미지 모델링

Connected

exercise

직접 풀링 연산 작성하기

이미 살펴본 것처럼, CNN에는 매우 많은 파라미터가 포함될 수 있습니다. 풀링 레이어는 종종 신경망의 합성곱 레이어 사이에 추가되어 출력을 요약하고, 다음 레이어의 파라미터 수를 줄입니다. 이는 네트워크를 더 빠르게 학습시키고 싶거나, 매우 많은 파라미터를 학습하기에 데이터가 충분하지 않을 때 도움이 됩니다.

풀링 레이어는 일종의 특정한 합성곱으로 볼 수 있습니다. 입력의 각 윈도우마다 최댓값 픽셀을 찾아 그 픽셀만 전달합니다. 이 연습 문제에서는 이전에 이차원 합성곱 연산을 직접 구현할 때 사용했던 코드를 바탕으로, 직접 max pooling 연산을 작성해 보겠습니다.

Instruktioner

100 XP
  • 입력 배열(im)에서 인덱싱하여 올바른 윈도우를 선택하세요.
  • 이 윈도우에서 최댓값을 찾으세요.
  • 출력 배열(result)의 올바른 위치에 이 값을 할당하세요.