ⓐ 첫 번째 파라미터: 합성곱 필터 개수
ⓑ 두 번째 파라미터: 합성곱 커널의 행과 열
ⓒ padding: 경계 처리 방법
- valid: 유효한 영역만 출력되므로 출력 이미지 크기는 입력 이미지 크기보다 작습니다.
- same: 출력 이미지 크기가 입력 이미지 크기와 동일합니다.
ⓓ activation: 활성화 함수 설정
- linear: 기본값, 입력 뉴런과 가중치로 계산된 결괏값이 그대로 출력됩니다.
- relu: 렐루라고 하며, 은닉층에서 주로 씁니다.
- sigmoid: 시그모이드라고 하며, 이진 분류 문제에서 출력층에 주로 사용됩니다.
- tanh: 하이퍼볼릭 탄젠트라고 하며, 함수 중심 값을 0으로 옮겨 시그모이드의 최적화 과정이 느려지는 문제를 개선했습니다.
- softmax: 소프트맥스라고 하며, 다중 클래스 분류 문제에서 출력층에 주로 씁니다.
ⓔ input_shape: 입력 데이터의 형태를 정의합니다. 모델에서 첫 계층만 정의하면 됩니다. (행, 열, 채널 개수)로 정의하며, 그레이스케일 영상은 채널을 1로 설정하고, 컬러(RGB) 영상은 채널을 3으로 설정합니다.
② 풀링층은 필터 크기가 (2,2)이고, 스트라이드가 2입니다.
③ 소프트맥스 활성화 함수가 적용된 출력층입니다.