CNN Basic

CNN (Convolution Neural Network)

Layer는 Deep하게 Parameter는 적게!!

32*32*3 이미지가 들어가서
convolution(5*5*3)했는데 output이 4짜리 channel이 나오기 위해선 4개의 5*5*3 필터가 필요하게 됨

parameter의 수
32*3*3 image에서 28*28*4짜리 convolution feature map을 얻기 위해 필요한 parameter 수 = 3*5*5*4
parameter의 수 : input channel_size * kernel_size (3*3 / 5*5 ..) * output_channel

중요!!
-> 새로운 모델을 보면 대략적으로 layer별로 파라미터의 갯수 & 전체 모델의 파라미터 갯수에 대한 감을 가져야한다!

실제론 이런 식으로 표현한다!

-> 이 Convolution layer를 정의하기 위한 parameter가 몇개인가? 를 항상 생각하기!

1. 기본적으로 kernel feature는 input의 channel의 크기를 따르게 된다.
2. 하나의 kernel size는 3 * 3 * 128
3. 최종적으로 ouptut의 channel의 크기는 64니까
   -> 3*3*128의 convolutional filter(==kernel)의 갯수가 64개 있어야 한다!
4. parameter의 숫자 = 3*3*128*64
   (padding과 stride는 parameter의 숫자와는 무관!)

참고

모든 자료는 부스트캠프 AI Tech교육 자료를 참고