목차
“Fully Connected Layer” 이란?
“Fully Connected Layer” 구조
“Fully Connected Layer” 장단점
"Fully Connected Layer” 코드
“Fully Connected Layer”에 대한 결론
참고
“Fully Connected Layer” 이란?
Fully Connected Layer(=Dense layer)은 한 층(layer)의 모든 뉴런이 다음 층(layer)의 모든 뉴런과 연결된 상태의 층(layer)에서 1차원 배열의 형태로 이미지를 정의된 라벨로 분류하는 계층을 말합니다.
“Fully Connected Layer” 구조
아래 3개의 과정을 Fully Connected Layer의 구조입니다.
- 2차원 배열 형태의 이미지를 1차원 배열로 평탄화합니다.
- 활성화 함수를 활성화합니다.
- softmax 함수로 이미즈를 분류합니다.
“Fully Connected Layer” 장단점
단점
- 흑백 이미지를 1차원 행렬로 변환하는데 아무 문제가 없지만 컬러이미지를 1차원으로 평탄화 작업을 하게되면 공간 정보가 손실되어 이미지를 분류하는데 한계가 생깁니다.
“Fully Connected Layer” 코드
from keras.models import Sequential
model = Sequential()
model.add(layers.Flatten(input_shape = (28, 28))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
“Fully Connected Layer”에 대한 결론
CNN 구조를 이해하기 위한 밑거름으로 쉽게 layer가 어떻게 구성되어 있는지 알 수 있습니다.
참고