컨벌루션 신경망의 크기가 어떻게 작동하는지 이해하려고합니다. 아래 그림에서 입력은 28 x 28 매트릭스이며 1 채널입니다. 그런 다음 32 개의 5 x 5 필터 (높이와 너비에 2 보폭)가 있습니다. 그래서 나는 결과가 14x14x32 인 것을 이해한다. 그러나 다음의 길쌈 레이어에서 우리는 64 개의 5 x 5 필터를가집니다 (다시 스트라이드 2). 그렇다면 결과가 7 x 7 x 64 x 7 x 7 x 32 x 64가되는 이유는 무엇입니까? 32 개의 채널 각각에 64 개의 필터를 적용하지 않습니까?컨볼 루션 신경 네트워크의 크기
하나 개의 필터는 이전 계층의 모든 치수의 합이다. 즉, 5x5 필터는 32 개의 모든 차원에 대해 합산되며 본질적으로 32 * 5 * 5 값의 가중 합계입니다. 그러나 가중치는 차원간에 공유됩니다. 그런 다음 64 개의 필터가 있습니다. 이미지에 대한 더 자세한 설명은 http://cs231n.github.io/convolutional-networks/에서 확인할 수 있습니다.
here은 레이어의 진행에 따라 입력 크기가 어떻게 다른지 명확한 설명입니다.
입력 할 때 너비는 28, 높이와 깊이는 1로 지정하십시오. 레이어 1의 필터의 경우 필터의 깊이 치수는 입력 깊이와 같아야합니다. 그래서 필터의 차원은 5x5x1이 될 것이고, 하나의 필터를 적용하면 차원이 14x14x1 차원 활성화 맵을 생성하기 위해 (strides로 인해) 줄어들므로 32 개의 필터를 적용하면 32 개의 활성화 맵을 얻을 수 있습니다. 이 모든 14x14x32를 결합하면 레이어 1의 출력이되고 두 번째 레이어에 입력됩니다. 두 번째 레이어에서 차원 5 (너비) x5 (높이) x32 (깊이)의 필터를 적용하여 14x14x1의 활성화 맵 하나를 생성해야합니다. 모든 64 개의 활성화 맵을 스택하면 두 번째 레이어의 출력 크기가 14x14x64 등등.
예, 실제로 32 개의 채널 각각에서 64 개의 필터를 적용하고 있습니다.
참고 : http://stackoverflow.com/a/42636245/562769 –