AI 요약관련 정보

• 레즈넷은 잔차 연결(스킵 연결)을 통해 깊은 층을 쌓아도 기울기 소실 문제를 해결하고 훈련 속도와 안정성을 향상시켰습니다. 🚀
• 배치 정규화는 각 층의 출력 분포를 정규화하여 모델 훈련을 안정화시키며, 레즈넷 이후 후속 모델에서도 널리 사용됩니다. 🧪
• 레즈넷 50, 101, 152 등 다양한 버전은 층의 개수에 따라 구분되며, 각 모델은 잔차 블록 구조와 스킵 연결 방식에서 차이를 보입니다. 🔢
• 레즈넷 50은 입력 전처리, 반복적인 잔차 블록 스택, 전역 평균 풀링, 완전 연결층으로 구성됩니다. 🏗️
• 잔차 스택 내에서 스트라이드 조정을 통해 특성 맵의 크기를 줄이고, 채널 수를 조절하여 효율적인 연산을 가능하게 합니다. 🧮
• 합성곱 스킵 연결은 채널 수가 다른 경우 1x1 합성곱을 사용하여 채널 수를 맞춘 후 스킵 연결을 수행합니다. 🔗
• 배치 정규화는 배치 내 샘플들의 평균과 분산을 활용하여 각 층의 출력을 정규화하며, 추론 시에는 이동 평균을 사용합니다. ⚙️