CNN 모델을 조금 수정하고 싶은데 어떻게 해야하나요?

Question

유튜브 영상을 보고 잘 하시는거 같아 인프런에 가입하여 열공을 하고있습니다. 궁금한 점이있어 문의 합니다. CNN 모델에서 예제에서 2개의 CNN층과 1개의 FC 층을 추가하여 코드를 작성해보고 싶은데 어떻게 해야할까요?

딥러닝호형 · Answer

앞 뒤 크기만 맞추면 됩니다. 전 conv가 6으로 나오니까 다음 conv를 6으로 시작해 준 것입니다. 나머지도 마찬가지입니다. 원하시는 크기 넣고 패딩도 넣어보고 stride도 바꿔보고 마음대로 하시면 되요! 인공 신경망의 장점이자 단점이죠 😅 이런 방식으로 다양한 실험을 해서 최적 모델을 만들어 가시면 됩니다. (물론 AutoML을 이용할 수도 있지만요.)

딥러닝호형 · Answer

class Net(nn.Module):     def __init__(self):         super(Net, self).__init__()                  self.feature_extraction = nn.Sequential(nn.Conv2d(3, 6, 5),                                                  nn.ReLU(),                                                 nn.MaxPool2d(2, 2),                                                  nn.Conv2d(6, 16, 5),                                                  nn.ReLU(), ##### 추가 부분                                                 nn.Conv2d(16, 32, 3), ##### 추가 부분                                                 nn.ReLU(), ##### 추가 부분                                                 nn.Conv2d(32, 64, 3), ##### 추가 부분                                                 nn.ReLU(),                                                 nn.MaxPool2d(2, 2))                  self.classifier = nn.Sequential(nn.Linear(64 * 3 * 3, 120), ##### 수정 부분                                         nn.ReLU(),                                         nn.Linear(120, 64), ##### 추가 부분                                         nn.ReLU(), ##### 추가 부분                                         nn.Linear(64, 10))                                              def forward(self, x):         x = self.feature_extraction(x)        #print(x.size()) # <-------------------------- 크기 확인용         x = x.view(-1, 64 * 3 * 3) ##### 수정 부분        x = self.classifier(x)         return x 예를 들어서 nn.Conv2d(6, 16, 5) 뒤에 conv를 하나 더 넣고 싶으면 아웃풋 크기가 16이므로 입력크기가 16인  nn.Conv2d(16, 아웃풋 채널 사이즈, 커널사이즈)로 만들어 주셔야합니다. 동일한 원리로 하나 더 추가 하시면 되구요. conv를 여러 개 추가 했을 때 마지막 컨볼루션 층의 피쳐맵 사이즈가 변경 될 수 있습니다. 위 식에서는 최종 피쳐맵 크기가 (배치사이즈, 64 , 3 , 3)가 나옵니다. 따라서 view 부분과 linear 입력 부분의 크기를 64 * 3 * 3으로 바꿔주셔야 합니다! 크기 계산이 어려우시면  self.feature_extraction(x)에서 나오는 크기를 출력해 본 다음 그 것을 바탕으로 크기를 수정해 주시면 되요 :) "크기 확인용"이라고 적힌거 비활성화 해서 확인 해보시면 되요! nn.Linear도 동일한 원리로 입출력 크기 맞춰서 중간에 넣어주시면 되요! 열공하세요!! 도움이 되셨다면 좋아요 눌러주세요😀😀😀 열공 하세요 :)

Kyung-il In · Answer

어제 알려주신 문제에서 FC층을 하나 더 추가 해봤는데 잘 했는지 모르겠네요 ^^;  체크 부탁드려도 될까요?         self.feature_extraction = nn.Sequential(nn.Conv2d(3, 6, 5),                                                  nn.ReLU(),                                                 nn.MaxPool2d(2, 2),                                                  nn.Conv2d(6, 16, 5),                                                 nn.ReLU(), ##### 추가 부분                                                 nn.Conv2d(16, 32, 3), ##### 추가 부분                                                 nn.ReLU(), ##### 추가 부분                                                 nn.Conv2d(32, 64, 3), ##### 추가 부분                                                 nn.ReLU(),                                                                                                 nn.MaxPool2d(2, 2))                  self.classifier = nn.Sequential(nn.Linear(64 * 3 * 3, 240),                                         nn.ReLU(),                                         nn.Linear(240, 120),                                         nn.ReLU(),                                         nn.Linear(120, 64), ##### 추가 부분                                         nn.ReLU(), ##### 추가 부분                                         nn.Linear(64, 10))                                                                                                                               def forward(self, x):         x = self.feature_extraction(x)         #print(x.size()) # <-------------------------- 크기 확인용  8, 64, 3, 3])         x = x.view(-1, 64 * 3 * 3) ##### 수정 부분         x = self.classifier(x)         return x