つづき
５．CNN構造の変更
５．１ 基本形
基本形は、下図のように入力層、畳込み層（conv）×１、プーリング層（maxpool）×１、
全結合層（dense）×２、出力層から構成されている。
５．２ 畳込み層とプーリング層の追加
基本形に畳込み層とプーリング層を追加した場合の正解率を調べることにする。
なお、フィルタサイズ３×３、プールサイズ２×２は基本形と同じで、フィルタ数と
プーリング層のドロップアウト率を変えてみた。
５．２．１ 追加層が１つの場合
フィルタ数は基本形の２倍の１９２とした。理由は、プーリング層によるデータ圧縮でデータサイズが
半分（６４画素から３１画素）になったので、それを補う為である（データ量では１／４だが・・・）。
ドロップアウト率に比例している訳ではない。以降はドロップアウト率０．２で試してみる。
| ドロップアウト率 | ０．２５ | ０．２ | ０．１ |
| 正解率 | ０．８０９２ | ０．８１５７ | ０．７３５５ |
５．２．２ 追加層が２つの場合
フィルタ数は上記の２倍の３８４とした。理由は、プーリング層によるデータ圧縮でデータサイズが
半分（３１画素から１４画素）になったので、それを補う為である。
ドロップアウト率に比例している訳ではない。畳込み層とプーリング層を追加しない方が正解率が良い。
| ドロップアウト率 | ０．２５ | ０．１６６７ | 追加なし |
| 正解率 | ０．７５９６ | ０．７７０８ | ０．８１５７ |
次回へつづく
＜個人的な感想＞
５．２．２のように、畳込み層とプーリング層を追加したら正解率が下がる事は予想外であった。
ディープラーニングと呼ばれるように、層が多いほど正解率が上がるものと思っていた。