밑바닥부터 시작하는 딥러닝

235

7

장

-

합성곱 신경망(CNN)

하세요.

*

출력 크기가 정수가 아니면 오류를 내는 등의 대응을 해줘야겠죠. 덧붙여서, 딥러닝

프레임워크 중에는 값이 딱 나눠떨어지지 않을 때는 가장 가까운 정수로 반올림하는 등, 특별

히 에러를 내지 않고 진행하도록 구현하는 경우도 있습니다.

**

7.2.5

3

차원 데이터의 합성곱 연산

지금까지

2

차원 형상을 다루는 합성곱 연산을 살펴봤습니다. 그러나 이미지만 해도 세로·가

로에 더해서 채널까지 고려한

3

차원 데이터입니다. 이번 절에서는 조금 전과 같은 순서로, 채

널까지 고려한

3

차원 데이터를 다루는 합성곱 연산을 살펴보겠습니다.

[그림

7

-

8

]은

3

차원 데이터의 합성곱 연산 예입니다. 그리고 [그림

7

-

9

]는 계산 순서입니다.

2

차원일 때 (그림

7

-

3

)와 비교하면, 길이 방향 (채널 방향)으로 특징 맵이 늘어났습니다. 채널

쪽으로 특징 맵이 여러 개 있다면 입력 데이터와 필터의 합성곱 연산을 채널마다 수행하고, 그

결과를 더해서 하나의 출력을 얻습니다.

그림

7-8

3

차원 데이터 합성곱 연산의 예

입력 데이터 필터 출력 데이터

*

옮긴이_

OH

와

OW

는 원소의 개수이니 당연하겠죠.

**

옮긴이_ 합성곱 연산이 아직 잘 이해되지 않는다면, 혹은 내가 이해한 것이 맞는지 궁금하다면 다음 사이트를 들어가 보세요. 웹페이지를 ...