CNN全体のサイズ遷移まとめ（入力→出力）は頻出論点を整理して得点力につなげる学習テーマです。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk cnn cheatsheet

G検定トップ ＞ CNN全体のサイズ遷移まとめ（入力→出力）

まず結論

  • CNNは層ごとに「空間サイズ」と「チャネル数」がどう変わるかを見る

  • 計算問題では

    • Conv：サイズ計算あり／パラメータあり
    • Pooling：サイズ計算あり／パラメータなし
  • 流れで追えると計算ミスが激減する

CNNで見るべき2つの軸

CNNの各層では、次の2点だけを追います。

  1. 空間サイズ（縦×横）
  2. チャネル数（depth）

👉 この2つ以外は見ない

典型的なCNN構成

入力画像
  ↓ Conv
  ↓ Pooling
  ↓ Conv
  ↓ Pooling
  ↓ Flatten
  ↓ 全結合層
  ↓ 出力

サイズ遷移の具体例

入力

  • 画像サイズ：32 × 32
  • チャネル数：3（RGB）

① 畳み込み層（Conv）

  • カーネル：3 × 3
  • パディング：1
  • ストライド：1
  • 出力チャネル：16

空間サイズ

(32 + 2×1 − 3) ÷ 1 + 1 = 32

👉 32 × 32（変わらない）

チャネル数

  • 16 に増える

② Pooling層

  • プーリング：2 × 2
  • ストライド：2

空間サイズ

(32 − 2) ÷ 2 + 1 = 16

👉 16 × 16

チャネル数

  • 変わらない（16）

③ 畳み込み層（Conv）

  • 出力チャネル：32
  • その他条件は同じ

空間サイズ

  • 16 × 16（維持）

チャネル数

  • 32 に増える

④ Pooling層

  • 2 × 2, ストライド2

👉 8 × 8 × 32

⑤ Flatten

8 × 8 × 32 = 2048

👉 1次元ベクトルに変換

⑥ 全結合層（FC）

  • 入力：2048
  • 出力：10

👉 10クラス分類

よくある計算ミス（G検定）

  • ❌ Poolingでチャネル数を減らす
  • ❌ Convで空間サイズが必ず減ると思う
  • ❌ Flatten前のサイズを間違える

超短縮チェック手順（試験中）

  1. 今のサイズを書く（H×W×C）
  2. Conv → サイズ計算＋C変更
  3. Pooling → サイズ計算のみ
  4. Flatten → 掛け算

まとめ（試験直前用）

  • CNNは H×W×C を追うだけ
  • Conv：Cが変わる
  • Pooling：Cは変わらない
  • Flattenで一気に1次元

👉 次は CNN計算とTransformerの対比 に進むと差が明確になる

🔗 関連記事

🏠 G検トップに戻る