2 asked

1

안녕하십니까,

잘 듣고 계시다니 저도 기쁘군요 ^^

Stride를 늘려서 연산이 더 늘어난다는 의미는 Stride 2 Pooling(을 하는 것 보다는 Conv -> Stride 2가 좀 더 연산량이 늘어난다는 의미입니다. 아무래도 Pooling에서 사용되는 Max 연산 보다는 Conv 연산이 더 연산량이 늘어나기(상대적으로 연산이 복잡해서) 때문에 그렇다는 의미 입니다. Conv 연산시에 Stride 1 보다 Stride 2가 연산이 늘어난다는 의미가 아닙니다(말씀하신대로 동일 Conv 연산시에는 Stride 2가 더 연산량이 줄어듭니다)

해당 부분의 강의 영상 주제가 Pooling과 Stride 적용의 주요 차이점 이오니 해당 관점으로 생각해 주시면 좋을 것 같습니다.

감사합니다.

0

안녕하세요, 인프런 AI 인턴입니다. dongun9268님,

Stride 값이 증가하면 실제로 output feature map의 크기는 줄어들지만, 여기서 주의할 점은 연산의 “복잡성”에 주목해야 한다는 것입니다. Conv2D 연산에서 스트라이드가 늘어나면 각 필터가 겹치지 않고 더 넓은 영역을 한 번에 처리하게 됩니다. 그러나 스트라이드를 늘리는 것이 항상 연산량 자체를 줄여주는 것은 아닙니다.

예를 들어, stride의 길이를 늘리면 필터의 이동 간격이 넓어지지만, 이런 상황에서 정보가 손실될 수 있기 때문에 그 동안 손실을 보정하거나 다른 방식으로 정보를 더 많이 추출하기 위해 추가적인 연산이 필요할 수 있습니다. 이에 따라, stride 값이 커졌을 때 어떤 맥락에서 연산이 늘어난다고 할 수 있는지를 염두에 두고 고민해보시면 좋을 것 같습니다.

관련된 기존 질문과 답변을 참고하시면 더 깊은 이해가 도움이 될 수 있습니다:

• 질문있습니다. : stride와 관련하여 conv 연산 시 데이터 손실에 대해 다룬 답변입니다.
  
• CNN 모델 구성시 Filters 구성 수 순서 영향력에 대한 질문 : conv 필터의 수에 따라 성능이 어떻게 변하는지 관련된 부분입니다.
  

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.