Conv2D의 padding을 same 과 valid 로 했을 때 GAP 이 차이를 없애는 이야기【Keras × CIFAR-10】

요약

본 기사는 Keras를 사용하여 CIFAR-10 데이터셋으로 Conv2D 레이어의 'same'과 'valid' 패딩 방식이 모델 성능에 미치는 영향을 비교 분석한 내용입니다. 실험 결과, 두 방식 간의 정확도 차이는 0.65%로 매우 작았으며, 파라미터 수 또한 완전히 동일했습니다. 다만, 'valid'를 사용할 경우 컨볼루션 과정에서 특징 맵 크기가 지속적으로 축소되는 경향을 확인할 수 있습니다.

핵심 포인트

• Conv2D의 padding 방식(same vs valid)은 모델의 최종 정확도에 미치는 영향이 매우 적다 (0.65% 차이).
• 두 패딩 방식 모두 파라미터 수는 동일하게 유지된다.
• 'valid' 패딩을 사용하면 컨볼루션 레이어를 거칠 때마다 특징 맵(Feature Map)의 크기가 점진적으로 축소되는 경향이 있다.
• 실험 결과, 'valid'가 학습 시간 측면에서 약간 더 효율적일 수 있음을 보여준다.