이 과정의 Colab은 최신 버전이 아니며 2024년 7월에 삭제될 예정입니다.
ML 실습: 이미지 분류
이해도 확인: 컨볼루션
2차원인 3x3 컨볼루셔널 필터가 2차원 4x4 입력 특성 맵에 적용됩니다(패딩을 추가하지 않음).
![](https://developers.google.cn/static/machine-learning/practica/image-classification/images/cyu_convolution_shape.svg?authuser=0&hl=ko)
출력 특성 맵은 어떤 형태인가요?
2x2
3x3 필터는 4x4 특성 맵 위로 슬라이드되면 배치될 수 있는 고유한 위치가 4개 있어서 2x2 출력 특성 맵이 생성됩니다.
![4x4 특성 맵을 슬라이드하는 3x3 컨볼루셔널 필터를 보여주는 애니메이션입니다.
3x3 필터를 배치할 수 있는 4개의 고유한 위치가 있으며, 각 위치는 2x2 출력 특성 맵의 4개 요소 중 하나에 해당합니다.](https://developers.google.cn/static/machine-learning/practica/image-classification/images/cyu_convolution_shape_answer.gif?authuser=0&hl=ko)
3x3
필터 자체가 3x3이지만 필터를 4x4 입력 특성 맵에 배치할 수 있는 위치가 9개 (3배 3) 미만이므로 출력 특성 맵은 더 작습니다.
사륜구동
패딩이 없는 입력 특성 맵과 동일한 크기로 출력 특성 맵을 생성하려면 컨볼루셔널 필터가 1x1 형태여야 합니다. 1x1보다 큰 필터는 입력 특성 맵보다 작은 출력 특성 맵을 생성합니다. 필터는 3x3이므로 출력 특성 맵은 4x4보다 작아야 합니다.
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2022-09-27(UTC)
[null,null,["최종 업데이트: 2022-09-27(UTC)"],[[["Applying a 3x3 convolutional filter to a 4x4 input feature map without padding results in a 2x2 output feature map."],["The output feature map is smaller than the input because the filter's size limits the number of positions it can occupy on the input."],["A 1x1 filter would be required to maintain the input's dimensions in the output without padding."]]],[]]