Convolution 썸네일형 리스트형 05. Convolutional Neural Networks In Lecture 5 we move from fully-connected neural networks to convolutional neural networks. We discuss some of the key historical milestones in the development of convolutional networks, including the perceptron, the neocognitron, LeNet, and AlexNet. We introduce convolution, pooling, and fully-connected layers which form the basis for modern convolutional networks. Keywords: Convolutional neura.. 더보기 [F-23] Convolution 들어가며 학습목표 레이어의 개념을 이해한다. 딥러닝 모델 속 각 레이어(Linear, Convolution)의 동작 방식을 이해한다. 데이터의 특성을 고려한 레이어를 설계하고, 이를 Tensorflow로 정의하는 법을 배운다. 오늘은 데이터의 차원 변화를 좇으며 각기 다른 신경망들이 갖는 Weight의 특성을 살펴보자. Linear layer와 Convolution 레이어를 집중적으로 공부하고, 이 과정을 통해 데이터의 차원 변화를 좇아 여러 신경망들이 갖는 Weight의 특성을 살펴보자. 1. 데이터의 형태 딥러닝을 이해하는 방법 중 가장 쉬운 방법은 데이터의 형태 변화를 좇는 것이다. 만약 10개 단어의 문장을 1) 5개 단어로 요약한 경우: 정보를 집약시킨 경우 2) 20개 단어로 확장한 경우: 정.. 더보기 이전 1 다음