Convolutional layer

~8 min · layers

Level 0Keras 도제

0 XP0/97 lessons0/20 achievements

0/120 XP to next level120 XP to go0% complete

Conv2D 가 image 의 main workhorse. 인자: filters (출력 채널), kernel_size (커널 크기, e.g. 3 또는 (3,3)), strides (이동 간격), padding ('same' 또는 'valid'). 'same' 이 출력 크기 보존, 'valid' 가 잘림.

Conv1D 는 sequence (text/audio), Conv3D 는 video / volumetric. depthwise / separable / dilated 변형도 있어 — 효율 / receptive field 조절 용도. 기본은 Conv2D + 'same' padding 이 안전한 출발점.

Code

# Standard Conv2D: 32 filters of 3×3
layers.Conv2D(32, kernel_size=3, activation="relu", padding="same")

# SeparableConv2D: same API, ~8x fewer params
layers.SeparableConv2D(32, kernel_size=3, activation="relu", padding="same")

External links

Exercise

4-layer CNN 짜 — Conv2D(32, 3, 'same') → MaxPool → Conv2D(64, 3, 'same') → MaxPool → Flatten → Dense(10). 각 MaxPool 에서 spatial dim 반 토막 나는 거 summary 로 확인.

Progress

Progress is local-only — sign in to sync across devices.

← PreviousCore layer Next →Pooling 과 Recurrent layer

이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고

🔔 답글 알림 (로그인 필요)

로그인 — 댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.