●畳み込み2層目は入力チャネル数が１６ある 　Pythonと同じことをEXCELでやってみるとこのファイルのようになります。最初のシートCh0は入力画像のチャネル０です。Ch0〜15まで16シートあります（図7‐06）。 　　図7-06　入力チャネル０のシートCh0 ●畳み込みがim2colで行列乗算になる 　シートim2col0はCh0を9列に展開したものです（図7‐07）。そうすることによって畳み込みが行列乗算になります。それらもim2col15まで16シートあります。 　　図7-07　画素データを9列に展開したシートim2col0 ●フィルタ係数の数も16倍になる 　シートW2_Biasにはフィルタ係数があります（図7‐08）。横方向に16個あるのは1層目と同じです。縦方向は144個ありますが、これは入力画像が16チャネルあるからです（9×16）。 　また同シートの一番下にはバイアスの値があります。 　　図7-08　係数とバイアスのシートW2_Bias ●係数行列から9行づつピックアップして乗算 　シートim2col0〜15はそれぞれ784×9の行列ですが、シートW2_Biasは144×16の行列なのでこのままでは乗算できません。したがってシートW2_Biasから9行づつピックアップした9×16の行列と乗算します。すなわち、 　シートim2col0_W2は「シートim2col0」と「シートW2_Biasの1から9行目まで」との行列乗算（図7-09）。 　シートim2col1_W2は「シートim2col1」と「シートW2_Biasの10から18行目まで」との行列乗算。 　　　　　　：　　　　　　　：　　　　　　　： 　シートim2col15_W2は「シートim2col15」と「シートW2_Biasの136から144行目まで」との行列乗算です。 　将来のハードウエア化を見越してこのように行列演算を16回に分けます。画素データはチャネルごとに別々の画像メモリに置かれます。それらを同時に（並列に）読み出して16倍高速化するためです。 　　図7-09　行列乗算結果のシートim2col0_W2 　行列の乗算結果はim2col0_W2〜im2col15_W2まで16個あり、それぞれ784×16の行列になります。それらを足し込んだものがシートim2colAll_W2になります（図7‐10）。 　　図7‐10　行列乗算16枚分足し込んだシートim2colAll_W2 次のページへ 目次へ戻る