• 합성곱 신경망은 conv2d와 maxPooling2d 층의 쌍을 연속적으로 두어 입력 이미지에서 2D 공간 특성을 추출합니다.

• conv2d 층은 여러 개의 채널을 가진 튜닝 가능한 공간 필터입니다. 국소성과 파라미터 공유 성질을 가지고 있어서 강력한 특성 추출기의 역할을 하며 효율적인 표현 변환을 수행합니다.

• maxPooling2d 층은 고정 윈도 안에 최댓값을 선택하는 식으로 입력 이미지 텐서의 크기를 줄입니다. 이를 통해 위치 불변성을 향상시킵니다.

• 합성곱 신경망의 conv2d-maxPooling2d 쌍은 일반적으로 flatten 층으로 끝납니다. 그다음, 분류나 회귀 작업을 위해 밀집 층으로 만든 MLP가 뒤따릅니다.

• 브라우저는 자원에 제약이 많으므로 작은 모델을 훈련하기에 적합합니다. 대규모 모델을 훈련하려면 TensorFlow.js의 Node.js 버전인 tfjs-node를 사용하는 것이 바람직합니다. tfjs-node는 텐서플로의 파이썬 버전이 사용하는 CPU 커널과 GPU 병렬 처리 커널을 동일하게 사용할 수 있습니다.

• 모델 용량이 클수록 과대적합의 위험이 커집니다. 합성곱 신경망에서는 드롭아웃 층을 추가하여 과대적합을 줄일 수 있습니다. 드롭아웃 층은 훈련하는 동안 입력 원소의 일부를 랜덤하게 0으로 만듭니다.

• 합성곱 신경망은 컴퓨터 비전 작업에만 사용하지 않습니다. 오디오 신호가 스펙트로그램으로 표현되면, 합성곱 신경망을 여기에 적용하여 높은 분류 정확도를 달성할 수도 있습니다.