Tensorflow 이미지 분류하기(CNN:합성곱신경망) (4)- pooling, MaxPool2D, 파라미터(가중치)를 줄여서 계산을 빠르게 효율적으로 하기

#딥러닝,#Tensorflow,#CNN,#이미지 분류하기, #MNIST,#손글씨분류하기, #ConvoluationNeuralnetwork, #합성곱신경망,#콘볼류션신경망, #Convolution,#CIFAR10, #pooling,#Maxpooling,#컨볼류션후가중치줄이기, #컨볼류션결과의대표값찾기 1. Pooling ? Convolution을 수행하고 나면, 특징맵을 찾기 위한 layer가 증가됨으로 파라미터(가중치) 숫자가 증가하게 됩니다. 파라미터(가중치) 숫자가 증가한다는 것은 계산을 해야하는 양이 증가하는 다는 의미로, CPU자원을 많이 사용하고, 결과를 산출하는데 더 많은 시간이 소요되게 됩니다. 특징맵의 대표값을 산출해서 파라미터(가중치)를 줄이는 방법을 Pooling이라고 합니다. 특징맵의 대표값을..........

원문링크 : Tensorflow 이미지 분류하기(CNN:합성곱신경망) (4)- pooling, MaxPool2D, 파라미터(가중치)를 줄여서 계산을 빠르게 효율적으로 하기