7. One Layer of a Convolution Network

2023. 9. 15. 13:53Google ML Bootcamp/4. Convolutional Neural Networks

기존 np.dot(W,X)+b는 선형연산.

 

기존 layer의 forward propagation을 생각해보면 A[l] = g(Z[l]), Z[l] = np.dot(W[l], A[l-1]) + b[l]

- W[l]이 filter가 된다. 이젠 np.dot 처럼 행렬곱이 convolution 연산을 수행할 뿐.

- Z[l] = W * A[l-1] + b , 이때 *는 convolution operation.

 

input image 크기에 상관없이 filter 개수에 따라 (10개일 때 280개) 고정된 parameter 개수를 가진다.

 

notation. 이해가 안된다면 찬찬히 살펴보자.

 

'Google ML Bootcamp > 4. Convolutional Neural Networks' 카테고리의 다른 글

9. Pooling Layers  (0) 2023.09.15
8. Simple Convolutional Network Example  (0) 2023.09.15
6. Convolutions Over Volume  (0) 2023.09.15
5. Strided Convolutions  (0) 2023.09.15
4. Padding  (0) 2023.09.15