Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Skip Connection
- Vanilla RNN
- vim-plug
- jupyter
- iTerm2
- Bottleneck Layer
- Generative
- Linear
- Peephole Connection
- GoogLeNet
- AI
- GCN
- Gated Skip Connection
- RNN
- ResNet
- classification
- python
- Inception Module
- Skip Connectioin
- version
- Optimizer
- DCGAN
- Inception V1
- cnn
- virtualenv
- Regression
- Residual Connection
- Manager
- DL
- sigmoid
Archives
- Today
- Total
목록Convolutional Layer (1)
IT Repository
(3) Basic of CNN - Structure of CNN
Convolutional Layer¶ 이제 Convolution Layer를 알아보면서 기존의 FC Layer와 어떤 점이 다른지를 확인해보려고 합니다. (1) 이미 설명했듯이 FC 레이어는 이미지를 다루기 위해서 이미지 행렬을 한 줄로 쭉 펴는 작업(Flatten)이 필요합니다. 이렇게 되면 이미지에서는 분명히 붙어있는 픽셀인데 Flatten한 행렬에서는 서로 떨어져버립니다. 즉, 이미지의 공간적인 구조(Spatial structure)가 무시되어 버립니다. (2) 반면에 이를 Convolutional 레이어는 Convolutional 연산을 사용합니다. 따라서 필터를 슬라이드함으로써 주위 픽셀들을 계산하면서 이미지의 공간적인 구조를 보존하게 됩니다. Conv 연산을 하면 필터의 크기와, Stride,..
CNN/Study
2020. 1. 14. 14:35