[CNN] 레이어 쌓아서 모델 생성하기

- MNIST 데이터 사용

 

 

과정

1. Feature Extraction

- Convolution을 사용해 Feature 추출
- Tensorflow의 Conv2D 사용

Convolution을 거친 이미지

2. Activation Function

- ReLU 사용
- 값을 확인하면 최소값이 음수가 아니라 0임을 확인할 수 있다.

 

3. Pooling

- MaxPool2D 사용

출처 : http://taewan.kim/post/cnn/

 

4. Fully connected

출처 : https://missinglink.ai/guides/convolutional-neural-networks/fully-connected-layers-convolutional-neural-networks-complete-guide/

 

5. Flatten

- output이 한줄로 쫙 펴짐

출처 : https://www.superdatascience.com/blogs/convolutional-neural-networks-cnn-step-3-flattening

 

 

6. Dense
- 입력과 출력을 연결하는 과정

출처 : https://slugnet.jarrodkahn.com/layers.html

 

 

7. Dropout

- 학습이 진행되면서 학습이 잘 되는 것이 있고 안되는 것이 있는데 그러면 overfitting이 됨

- 그래서 학습할때마다 연결을 끊어주는 과정이 필요함

출처 : Srivastava, Nitish, et al. ”Dropout: a simple way to prevent neural networks from overfitting”, JMLR 2014

 

 

8. Build Model

- input의 모양과 class의 개수를 지정하고 시작