이미지를 다루는 경우 이미지가 매우 작지 않으면 오토인코더 좋은 성능 x
이미지를 다룰 때는 합성곱 신경망이 밀집 네트워크보다 잘 맞음!
-> 비지도 사전훈련, 차원 축소 위해 이미지에 대한 오토인코더 만드려면 합성곱 오토인코더!!
인코더
: 합성곱 층 + 풀링 층으로 구성된 일반적인 CNN
: 전형적으로 입력에서 공간 방향의 차원(높이, 너비) 줄이고
: 깊이(특성 맵의 개수)를 늘림
but 디코더는 거꾸로 동작
즉, 이미지 스케일 늘리고
깊이를 원본 차원으로 되돌림
'Machine Learning & Deep Learning > 핸즈온' 카테고리의 다른 글
| ch.17.8 변이형 오토인코더 (0) | 2023.11.30 |
|---|---|
| ch.17.7 희소 오토인코더 (0) | 2023.11.30 |
| ch17. 오토인코더와 GAN ~ 17.1 효율적인 데이터 표현 (0) | 2023.11.28 |
| 핸즈온 ch.4 모델 훈련(선형회귀, 경사 하강법) - 미완 (0) | 2023.08.29 |
| 핸즈온 ch15. RNN과 CNN을 사용해 시퀀스 처리하기 (0) | 2023.08.29 |