Fully connectied layer 입력값이 고정 되어야 하는 이유
574
작성한 질문수 7
안녕하세요 선생님.
Fully connectied layer 에서 입력값이 왜 고정되도록 설계 되었는지 모르겠습니다.
생각하기로는 가중치가 입력 사이즈에 따라 결정이 되는데, 입력 사이즈가 가변적이면 문제가 될 수 있기 때문이라고 생각했습니다.
예를들어 층이 3개인 신경망이 있을때 ,
입력 사이즈가 3이고 히든레이어의 노드수가 4 일떄 이때 총 가중치 수는 12개이다.
그러나 입력사이즈가 3이 아닌 4가 들어왔다면, 총 가중치의 수는 16이 된다. 그러면 기존에 없던 가중치들이 필요하기 때문에 문제가 될 수 있다 .
이렇게 생각했는데 제가 맞게 생각한걸까요 ?
즐거운 강의 감사합니다 :)
답변 1
2
안녕하십니까,
네, 말씀하신 대로
입력 사이즈가 3이고 히든레이어의 노드수가 4 일떄 이때 총 가중치 수는 12개이다.
그러나 입력사이즈가 3이 아닌 4가 들어왔다면, 총 가중치의 수는 16이 된다. 그러면 기존에 없던 가중치들이 필요하기 때문에 문제가 될 수 있다 .그러면 기존에 없던 가중치들이 필요하기 때문에 문제가 될 수 있다 .
가 맞습니다.
fully connected layer의 출력 neuron 수를 정하고, 이를 모델의 layer에 붙일 때 이전 layer의 출력 결과 크기 즉, fully connected layer의 입력 크기는 고정됩니다. 이미지 별로 입력 크기가 동적으로 달라진다던가 할 수 없습니다.
이것은 입력값과 neuron에 따라 선형대수 식이 맞아 돌아가야 하기 때문에 고정된 입력 사이즈가 보장되어야 합니다.
MMDetection 버전 이슈
0
52
2
강의 환경설정 질문
0
61
2
Custom Dataset에서의 polygon 정보 관련
0
113
3
cvat.ai 보안 수준이 궁금합니다
0
98
2
캐클 nucleus 챌린지 runpod 실습 코드 에러 질문드립니다.
0
120
3
추론 결과의 Precision(또는 mAP) 평가 방법
0
94
2
mmdetection mask rcnn inferenct 실습 시 runpod 템플릿 관해서 질문드립니다.
0
68
2
runpod에서 google drive 연결 시 오류 발생
0
126
2
로드맵 선택
0
74
1
mmcv
0
65
2
Anchor box의 Positive 처리 위치
0
71
2
해당 강의 runpod 적용 후 에러 제보드립니다
0
95
2
run pod credit 관련 제보
0
125
2
mmdetection 2.x과 3.x 호환 관련 표기
0
89
2
mm_faster_rcnn_train_kitti.ipynb 실행 오류
0
114
3
질문 드립니다.
0
89
3
mm_faster_rcnn_train_coco_bccd 실행 오류 질문드립니다.
0
89
1
강사님께 수정을 제안드리고 싶은 것이 있습니다.
0
102
1
google automl efficientdet 다운로드 및 설치 오류
0
87
1
이상 탐지에 사용할 비전 기술 조언 부탁드립니다.
0
111
2
OpenCV 관련 질문드립니다.
0
87
2
mmcv 설치관련해서 문의드려요
0
357
3
강의 구성 관련해서 질문이 있습니다
1
141
2
모델 변환 성능 질문드립니다.
0
126
1