강의 계획 레슨 246개 중 113번째 · 모듈 10: 보는 신경망(CNN)
모듈 10: 보는 신경망(CNN)

패딩, 스트라이드, 풀링

왜 중요한가 모든 CNN 설계 결정은 특성 맵의 크기를 바꿔요. 크기를 머릿속으로 구할 수 있다면, 어떤 CNN이든 읽고 설계할 수 있어요.

  • 패딩 p: 필터가 가장자리에 앉을 수 있도록 이미지 둘레에 0으로 된 행과 열을 p개 더해요. p = (k - 1) / 2면 출력이 입력의 크기를 유지해요("same" 패딩).
  • 스트라이드 s: 필터를 한 번에 s 픽셀씩 옮겨요. 스트라이드 2는 크기를 대략 반으로 줄여요.
  • 풀링: 각 2 × 2 블록의 가장 큰 값(최대 풀링)이나 평균을 남겨서 맵을 줄여요.

공식 하나

out = (n + 2p - k) // s + 1. 확인: n = 8, k = 3, p = 1, s = 1이면 8이에요. s = 2면 4예요.

이 레슨의 단어와 기호
필터, 특성 맵
학습한 작은 가중치 격자, 그리고 그 반응들의 이미지
패딩 (p), 스트라이드 (s)
가장자리 둘레에 더한 0들, 필터가 걸음마다 움직이는 픽셀 수
out = (n + 2p - k) // s + 1
입력 변 n과 필터 변 k에 대한 출력 변
풀링
각 블록의 최댓값이나 평균을 남겨서 맵을 줄이기
내 차례

out_size(n, k, p, s)와, 변이 짝수인 2D 이미지에 대한 maxpool2(img)를 쓰세요. 그다음 predictions에 시작 코드에 나열된 다섯 경우의 출력 변을 예측하세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.