TensorFlow Developer Professional Certificate [3]-Quiz

해당 내용은 Laurence Moroney 교수님의 Coursera의 TensorFlow Developer Professional Certificate의 3주차 강의 Quiz 를 정리한 내용이다.

 

### 컨볼루션 연산에서 출력 크기 계산 컨볼루션 연산에서 출력 이미지의 크기를 계산하는 것은 입력 이미지의 크기, 필터(커널)의 크기, 패딩(padding)의 유무, 스트라이드(stride)의 값에 따라 달라집니다. 주어진 조건에서 출력 크기를 계산하는 방법은 다음과 같습니다. #### 기본 공식을 통한 계산: 1. **입력 이미지 크기** ( I ):    - 주어진 문제에서 입력 이미지의 크기는 ( 28 x 28 )입니다. 2. **필터(커널) 크기** ( K ):    - 필터의 크기는 ( 3 x 3 )입니다. 3. **패딩(padding)** ( P ):    - 패딩이 없으면 ( P = 0 )입니다.    - 패딩이 'same'이라면, 입력과 출력 크기가 같도록 패딩을 추가합니다.    - 패딩이 'valid'라면, 추가 패딩이 없으며, 필터가 완전히 이미지 내부에 맞아야 합니다. 4. **스트라이드(stride)** ( S ):    - 기본적으로 스트라이드는 ( 1 )로 가정됩니다. 이는 필터가 한 번에 한 픽셀씩 이동하는 것을 의미합니다. #### 출력 크기 공식: 출력 크기 ( O )는 다음 공식으로 계산됩니다: 여기서: - .는 바닥 함수(floor function)로, 소수점을 버리고 가장 가까운 정수로 내립니다. ### 문제에 적용: 입력 이미지 크기 ( I = 28 ), 필터 크기 ( K = 3 ), 패딩 ( P = 0 ) (패딩 없음), 스트라이드 ( S = 1 )로 가정하면, 따라서, 28x28 이미지에 3x3 필터를 적용하면 패딩이 없고 스트라이드가 1일 경우 출력 이미지의 크기는 26x26이 됩니다.

맥스 풀링(max pooling) 연산은 입력 이미지의 크기를 줄여주기 위해 사용되는 다운샘플링(downsampling) 기술입니다. 맥스 풀링 연산의 결과 크기를 계산하기 위해서는 필터(또는 커널)의 크기, 스트라이드(stride), 패딩(padding) 등의 정보를 고려해야 합니다. ### 문제 분석: 1. **입력 이미지 크기**: (26x26) 2. **필터(커널) 크기**: (2 x 2) 3. **스트라이드(stride)**: 기본적으로 2로 가정 (일반적으로 풀링에서 자주 사용되는 값) 4. **패딩(padding)**: 일반적으로 풀링에서는 패딩을 사용하지 않는 경우가 많음 (즉, 패딩은 0) ### 맥스 풀링에서 출력 크기 계산: 맥스 풀링 연산에서 출력 크기를 계산하는 공식은 다음과 같습니다: 여기서: - ( I )는 입력 이미지의 크기입니다. - ( K )는 풀링 필터(커널)의 크기입니다. - ( S )는 스트라이드입니다. - (.)는 바닥 함수(floor function)입니다. ### 적용: 입력 이미지의 크기 ( I = 26 ), 필터 크기 ( K = 2 ), 스트라이드 ( S = 2), 패딩( P = 0 )인 경우, 각 방향의 출력 크기 ( O)는 다음과 같이 계산됩니다: 즉, ( 26x26 ) 크기의 이미지를 ( 2 x2 ) 필터로 스트라이드 2와 함께 맥스 풀링하면, 결과는 ( 13x 13 ) 크기의 이미지가 됩니다.