この記事の目的 0. 通常のニューラルネットワークの問題 1. CNNの基本 2. 畳み込み層(Convolutional層) フィルタのサイズをどうするか どうフィルタを適用していくか(ストライド) 出力サイズをどうするか(パディング) データ形状の変化 畳み込みまとめ 3. 活性化関数について 4. プーリング層(Pooling層) 5. CNNの特徴 6. そのほか利用される層 Dropout層 BatchNormalization層 7. CNNの設計 8. CNNの精度向上のために考えること 参考にした書籍やサイト この記事の目的 CNNの理論を理解し、Kerasで実装できるようにするために、理論部分をまとめた記事。 0. 通常のニューラルネットワークの問題 通常のニューラルネットワークにある全結合層では2次元以上のデータを1次元(1列のデータ)に並べ替えて入力している。 そのた