일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 가나다영
- 에이블스쿨
- 빅분기
- 딥러닝
- hadoop
- ETRI
- 소셜네트워크분석
- 한국전자통신연구원 인턴
- 서평
- KT 에이블스쿨
- 한국전자통신연구원
- 다변량분석
- httr
- Eda
- kt aivle school
- Ai
- kaggle
- python
- dx
- 빅데이터분석기사
- cnn
- matplot
- arima
- SQLD
- ML
- r
- 시각화
- ggplot2
- 에트리 인턴
- 에이블러
- 머신러닝
- 시계열
- SQL
- 지도학습
- 웹크롤링
- 하둡
- 기계학습
- 프로그래머스
- KT AIVLE
- 하계인턴
Archives
- Today
- Total
목록activation map (2)
소품집
[DL] CNN 입출력, 파라미터 계산
다음 조건과 같은 이미지를 학습하는 CNN의 각 레이어별 입력 데이터와 출력 데이터의 Shape을 계산해 보고 네트워크가 학습시키는 파라미터의 개수를 계산해 보겠습니다. 입력 데이터 Shape: (39, 31, 1) 최종 분류 클래스: 100 Layer 1의 Shape과 파라미터 Layer 1은 1개의 Convolution Layer와 1개의 Pooling Layer로 구성됩니다. 두 레이어의 출력 데이터 shape과 파라미터는 다음과 같이 계산 가능합니다. 1.1 Convolution Layer1 convolution layer1의 기본 정보는 다음과 같다. 입력 shape = (39, 31, 1) 입력 채널 = 1 필터 = (4, 4) 출력 채널 = 20 stride = 1 출력 데이터(Activat..
AI
2021. 10. 6. 21:43