?

fully connected layer

!

오버피팅이란: 훈련데이터를 과학습하여, 오히려 적절한 모델을 생성하지 못하고 오차율이 높아지는 문제

Convolution: 효율적이고 오차율이 낮은 모델을 만들자 -> 특징을 추출하는 연산
Discrete Domain Convolution.(2D Image) 뒤집고 밀면서 곱하고 더함(대칭이동 후 적분)
zero padding

stride 와 효율성

'input'과 'output' 개수와 신경망 관계: Neural net

input layer: (ex)RGB 3 layers
sobel filter -> ML이 filter의 값을 찾도록

flatten-fully connected - softmax

The input to the network is a 84x84x4 tensor containing a rescaled, and gray-scale, version of the last four frames. : 4개의 연속된 프레임

The first convolution layer convolves the input with 32 filters of size 8(stride 4), : 필터가 8x8(x4:프레임) 이고 stride(보폭)는 4, 필터 개수는 32개. 즉 생성되는 면(층)이 32

...the second layer has 64 layers of size 4(stride 2), : 4x4x"32", 64개
... the final convolution layer has 64 filters of size 3 (stride 1). : 3x3x64, 64개
This is followed by a fully-connected hidden layer of 512 units. : 512x1.