이론문제

1. 맥스 풀링 함수가 합성곱 계층의 결과물을 입력으로 받게 되고 합성곱 계층 출력 행렬의 값의 크기가 작을수록 입력 행렬의 해당 위치에는 커널과 비슷한 패턴이 존재한다. (O, X)
2. 딥러닝에서는 합성곱 계층을 활용하여 최적의 패턴 추출 방법을 자동으로 학습하고, 이렇게 학습된 커널을 사용하여 더 나은 패턴 추출을 수행한다. (O, X)
3. 5x5 입력 행렬에 패딩이 상하좌우 한 칸 씩 추가되고 3x3 커널이 주어진다면 3x3 출력 행력을 얻을수 있다. (O, X)
4. CNN의 각 합성곱 층에서 출력물의 채널 수는 해당 층에서 사용하는 커널(필터)의 개수와 동일하다. (O, X)
5. 합성곱 계층은 입력과 출력 크기가 고정되어 있지 않다는 점이 장점이다. (O, X)
6. 스트라이드 기법이 맥스 풀링 기법과 대비해 갖는 단점이 무엇인지 서술하시오.
7. 컬러 이미지가 inputsize가 (4,4) 이고 kernelsize가 (3,3)일때 outputsize가 (2,2) 이고 커널의 개수는 3개이다. (O, X)
8. MNIST 이미지 샘플의 일부값이 왼쪽으로 한씩 이동시키면 샘플의 의미가 변질돼 새롭게 다시 학습해야 하므로 변질되지 않도록 주의 하여야 한다. (O, X)
9. 선형계층은 합성곱 계층 보다 더 많은 파라미터수를 가지게 된다. (O, X)
10. CNN을 이미지 인식에 적용하면, 초반의 합성곱층은 이미지의 기본적인 가장자리와 윤곽선을 인식하고 층이 깊어질수록 복잡한 패턴을 인식하게 된다. (O, X)

Dacon&Kaggle 실습 문제

https://www.kaggle.com/competitions/digit-recognizer/overview

Dacon&Kaggle 실습문제는 2주치 과제 입니다.

문제를 해결 후에 5주차 문제 제출일(11/3)에 5주차 문제 제출 페이지에 리더보드 캡쳐와 사용한 코드를 같이 제출하시면 됩니다!