11/4 2, 3, 4세션

A. CNN 구조

1. Input

• input_shape : 분석 단위인 이미지 한 장의 크기
• 흑백: 1, 컬러: 3

2. Convolutional Layer

• Conv2d : 필터로 지역적인 특성을 뽑는 과정
• CNN 자체가 Convolution(합성곱) nurel net

3. Max Pooling Layer

• MaxPooling :

4. Flatten & Dense 레이어에 연결

• 1차원으로 펼침

A-1. CNN 코드

model = Sequential([Input(shape = (28, 28, 1)),
                    Conv2D(16, kernel_size = 3, padding='same', activation='relu'),  # strides = 1(기본값,1)
                    MaxPooling2D(pool_size = 2 ),             # strides = 2(기본값이 pool_size 동일)
                    Flatten(),
                    Dense(10, activation='softmax')

• Conv2d : 합성곱 연산. filter 가 가중치 셋임. 학습의 결과가 filter.
  - strides : 보폭. 몇 칸씩 이동하면서 합성곱 여산을 할 것인지
  • padding :
• MaxPooling2D : 합성곱 이후 데이터 사이즈가 크기 때문에, 중요한 것만 남기고 나머지는 버림. (4, 4) -> (2, 2)
• Flatten : 1차원 혹은 단일값으로 변경하여 Dense Layer로 연결
• Padding='same' : 덧댐. Size가 유지되도록 이미지 둘레에 0으로 덧댐.