강의자료 PDF파일과 실습자료 어디서 구하나요?

안녕하세요! 다음과 같이 아무 강의에 먼저 들어가신 다음에 그곳에서 한 번 확인해보시겠어요? (사진) 영상 화면이 나오는 곳에서의 목차에서는 해당 UI가 정상적으로 뜨는 것 같습니다!

강의자료 PDF파일과 실습자료 어디서 구하나요?

안녕하세요 skyyun7272 님! 강의 자료는 (사진) 강의 목록의 클라우드 다운로드 버튼을 누르시면 받으실 수 있습니다! 혹은, OO에 들어가기 전에! 라는 강의 클릭하시면, 노션으로 이동하는 안내문이 등장합니다! 궁금하신게 있으시면 언제든지 추가 질문 남겨주세요! 감사합니다.

히든 레이어의 Node 수 관련 질문 드립니다.

안녕하세요 backboss님! 128, 64이라는 값은 제가 노드의 개수를 설정한 값입니다. 위의 값들은 다른 값으로 변경하셔도 괜찮습니다 :) 궁금하신게 있으시면, 언제든지 추가로 질문 남겨주세요. 감사합니다!

레이어 관련 질문 드립니다.

안녕하세요 backboss님! 네 맞습니다. Pooling된 결과를 펴서 node에 집어 넣어주는 것 입니다. 결과를 펴주는 이유는 분류 모델에 적용하기 위함입니다. CNN을 거치면, 최종적으로 각 클래스를 구분할 수 있는 특징을 담고 있는 결과들이 나오며 (저희의 코드에서는 Pooling까지 끝난 결과물), 이 결과물을 펼쳐 분류를 수행하는 네트워크(강의에서 예시로 말씀드린 드린 국어 수능 점수 예측 모델을 생각해주시면 됩니다!)에 넣어줘, 이미지 분류를 수행합니다. 추가로 궁금하신게 있으시면, 언제든 편하게 질문 남겨주세요! 감사합니다.

커널 관련 질문 드립니다.

안녕하세요. backboss님! CNN은 커널(혹은 필터)을 학습합니다. 타겟으로 한 클래스(개, 고양이 등)를 잘 찾아낼 수 있는 적합한 커널의 값을 찾아가는 과정이 바로 CNN 모델이 학습하는 것을 의미합니다! self.conv1 = nn.Conv2d(1, 32, 3, 1) self.conv2 = nn.Conv2d(32, 64, 3, 1) self.conv3 = nn.Conv2d(64, 128, 3, 1) 실습 코드 중, 위의 코드를 통해 커널을 만들어준 것이며, 각각의 코드를 해석해보면 첫번째 코드는 1채널(저희가 사용한 데이터는 흑백 데이터이므로 채널이 1입니다.)을 입력 받고, 패딩을 1로 하는 3X3의 사이즈의 커널을 32개 만들어라. 두번째 코드는 32채널(첫번째 코드에서 32개의 커널이 만들어졌고, 그 커널들을 모두 입력으로 받습니다)을 입력으로 받고, 패딩을 1로 하는 3X3의 사이즈의 커널을 64개 만들어라. 세번째 코드는 64채널, 패딩을 1로 하는 3X3의 사이즈의 커널을 128개를 만드는 것을 의미합니다. 그리고 이렇게 만들어진 커널들은 각 이미지들을 순회하며 클래스들의 특징을 학습하게 됩니다. 궁금하신게 있으시면, 언제든지 추가로 질문 남겨주세요! 감사합니다.