[AI HW Lab1] CNN Core C 코딩 (Golden M... - 인프런

설계독학맛비's 실전 AI HW 설계를 위한 바이블, CNN 연산 완전정복 (Verilog HDL + FPGA 를 이용한 가속기 실습)

[AI HW Lab1] CNN Core C 코딩 (Golden Model 만들기)

작성

수정됨

안녕하세요 🙂

[1. 질문 챕터] : [AI HW Lab1] CNN Core C 코딩 (Golden Model 만들기)

[2. 질문 내용] : 다음 그림에서 input FM이 왜 KX*KY개 만큼 있는지 이해가 잘 되지 않아요. input FM은 input이니까 X*Y개만큼 있고, kernel이 KX*KY만큼 있는 것 아닌가요? 그리고 weight는 kernel을 말씀하시는 것 아닌가요?

밑의 두 그림을 연결지어 보니까 이해가 잘 안 됩니다.

제가 이해해보기로는 아래 그림에서 빨간 영역에 해당하는 것 1번의 연산에 해당하는 부분이라고 이해하면 매칭이 되는 것 같은데 맞게 한 것인지 잘 모르겠어요.

verilog-hdl fpga 임베디드 cnn

답변 2

설계독학맛비

지식공유자

안녕하세요.

차근차근 순서대로 살펴보겠습니다.

위 그림, 아래 그림, 이렇게 불러보겠습니다.

위 그림의 KX, KY 는 kernel 2-D 의 size 이고, 아래 그림의 S 와 R 에 해당됩니다.

위 그림의 CI, CO 는 아래그림의 C 와 M 에 맵핑됩니다.

위 그림, 아래그림의 차이라고 한다면,

위 그림은 순서가, Input feature map * Weight 순이었다면,

아래 그림은 순서가, Weight * Input feature map 순 입니다.

제가 생각하기로는 위, 아래 그림의 Input feature map 과 Weight 의 곱하기 순서만 바뀌었을 뿐, 두개의 그림은 같은 연산을 설명하는 것으로 이해됩니다.

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. lksj112님.

CNN에서의 연산과정은 다양한 요소가 결합하여 이루어집니다. 이 질문은 이미지 처리에서의 기본적인 컨셉인 ‘크기 조정과 필터 적용’을 어떻게 잘 이해할 수 있는지를 다루고 있습니다.

Input Feature Map (FM)는 왜 KX*KY개 만큼 있는가?
그림에서 KX와 KY는 커널의 너비와 높이를 나타냅니다. 이 부분은 주로 커널(필터)의 크기를 나타내며, 실제 입력 특징 맵의 수는 ‘입력 채널 수’ 비율을 설명하는 개념입니다. 커널은 모든 채널에 대해 동일한 공간적 차원(KX, KY)을 적용합니다.
Weight는 커널과 같은 것이 아닌가?
맞습니다. CNN에서의 ‘Weight’는 일반적으로 커널의 값을 의미합니다. 각 커널은 입력 이미지의 각 영역(또는 패치)에 곱해져 해당 위치의 특성 값을 계산하게 됩니다.

이해를 돕기 위한 추가 정보는 다음 질문과 답변들에서도 찾아볼 수 있습니다:
- CNN paper review 영상 관련 질문있습니다.
이 글은 CNN의 다양한 연산량 계산 방식과 Layer에서의 MAC 연산량을 어떻게 이해해야 하는지에 대한 질의응답이 잘 다뤄져 있습니다.

이 설명이 질문을 이해하고 해결하는 데 도움되었길 바랍니다. 더 궁금한 사항이 있는 경우, 계속해서 질문해 주세요. 지식공유자분께서도 추가적으로 도움을 주실 것입니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

인프런 커뮤니티 질문&답변

[AI HW Lab1] CNN Core C 코딩 (Golden Model 만들기)