이론 문제

1. nn.Conv2d에서 dilation과 groups 파라미터가 의미하는 것을 간단히 작성하시오.

   torch.nn.Conv2d(in_channel, out_channel, kernel_size, stride=1, 
   									padding=0, **dilation=1, groups=1**, bias=True) 
   

   답:

   dilation은 적용될 필터의 간격을 의미한다.

   groups는 input channel을 여러개의 group으로 나누기 위한 값을 의미한다.

2. CNN Architecture는 무엇이 있는지 3가지만 작성하시오.

   답:

   1. LeNet
   2. AlexNet
   3. ZFNet
   4. VGGNet
   5. GoogLeNet
   6. 기타 등등

실습 문제

다음은 CNN의 LeNet-5 Architecture이다.

LeNet-5 구조는 C1→S2→C3→S4→C5→F6의 순서로 이루어진다. (C: Convolution, S: Subsampling, FC: Full connection)

다음 코드를 완성하시오.

import torch.nn as nn
import toch.nn.functional as F

Class LeNet5(self):
	__init__(self):
		self.C1 = ...
		self.S2 = ...
		self.C3 = ...
		self.S4 = ...
		self.C5 = Linear(16 * 5 * 5, 120)
		self.FC2 = Linear(120, 84)
	
	forward(self, x):
		x = ...          # C1: Convolutions
		x = ...          # S2: Subsampling
		x = ...          # C3: Convolutions
		x = ...          # S4: Subsampling
		x = self.FC1(x)  # C5: Full Connection
		x = self.FC2(x)  # F6: Full Connection
		x = F.sigmoid(x) # Gaussian connections

답:

import torch.nn as nn
import toch.nn.functional as F

Class LeNet5():
	__init__():
		self.C1 = nn.Conv2d(1, 6, 5, padding=0)
		self.S2 = nn.MaxPool2d(2, 2)
		self.C3 = nn.Conv2d(6, 16, 5, padding=0)
		self.S4 = nn.MaxPool2d(2, 2)
		self.C5 = nn.Linear(16 * 5 * 5, 120)
		self.FC1 = nn.Linear(120, 84)
	
	forward(self, x):
		x = self.C1(x)   # C1: Convolutions
		x = self.S2(x)   # S2: Subsampling
		x = self.C3(x)   # C3: Convolutions
		x = self.S4(x)   # S4: Subsampling
		x = self.FC1(x)  # C5: Full Connection
		x = self.FC2(x)  # F6: Full Connection
		x = F.sigmoid(x) # Gaussian connections
		return x