제로 패딩과 스트라이드는 합성곱의 출력 크기에 영향을 줍니다.
입력 크기가 256×256이고, 커널 크기가 4×4, 패딩이 1, 스트라이드가 2일 때 출력의 크기는 얼마인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
합성곱 신경망은 이미지에 담긴 데이터를 바탕으로 학습해요. 이 장에서는 이미지 속 데이터를 살펴보고, Keras로 신경망을 학습시켜 이미지에 나타나는 객체를 분류하는 방법을 배웁니다.
합성곱은 합성곱 신경망의 기본 구성 요소예요. 이 장에서는 합성곱의 개념과 이미지 데이터에서 어떻게 동작하는지 배웁니다. 또 Keras 신경망에 합성곱을 어떻게 포함시키는지도 살펴봅니다.
현재 연습
합성곱 신경망은 여러 층(깊은 네트워크)으로 구성될 때 강력해져요. 이 장에서는 여러 합성곱 층을 쌓아 깊은 네트워크를 만드는 방법을 배웁니다. 또한 네트워크가 커질수록 파라미터 수를 어떻게 추적하고, 그 수를 어떻게 제어할지도 배웁니다.
신경망 학습을 개선하는 방법은 여러 가지가 있어요. 이 장에서는 네트워크의 성능을 어떻게 추적할 수 있는지에 초점을 맞추고, 합성곱 신경망을 개선하는 다양한 접근법을 탐색합니다.
