Notice
Recent Posts
Recent Comments
Link
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
- neural network
- 전처리
- 냥코 센세
- CNN
- 합성곱 신경망
- project euler
- 비샤몬당
- 오토인코더
- deep learning
- backpropagation
- 역전파법
- 신경망
- 수달
- 히토요시
- Autoencoder
- A Neural Algorithm of Artistic Style
- 소인수분해
- 역전파
- 딥러닝
- Gram matrix
- c#
- SQL
- Convolutional Neural Network
- mnist
- bayesian
- 자전거 여행
- 베이지안
- 소수
- 오일러 프로젝트
- Python
Archives
- Today
- Total
목록필터 (1)
통계, IT, AI
딥러닝: 화풍을 모방하기 (12) - 연습: CNN 구현
1. 개요 CNN으로 Mnist 데이터를 학습해보자. 먼저 대략적인 구조는 그림 과 같다. 입력 데이터의 사이즈는 \((1,28,28)\)이다. 흑백 이미지이기 때문에 1개 채널이며 가로, 세로로 28 픽셀이다. 각 원소를 0부터 255사이의 값을 가지는데 이를 정규화하여 0부터 1사이의 값을 갖도록 변환한다. 합성곱층Convolution Layer에서 필터는 \((30, 5, 5)\)의 사이즈를 갖도록 한다. 따라서 합성곱층의 결과 데이터의 사이즈는 \((30, 24, 24)\)가 된다. 풀링층Pooling Layer은 최대 풀링Max Pooling을 사용하며 \((2,2)\)의 윈도우를 갖도록 한다. 따라서 풀링층의 결과 데이터는 \((30,12,12)\)의 사이즈를 갖는다. 풀링층의 결과 데이터는 ..
머신러닝
2017. 12. 12. 21:48