增大卷积核的大小必然会提高卷积神经网络的性能

A.Y.是

B.N.否

A.卷积神经网络同时具备全连接神经网络和卷积运算的特点

B.卷积神经网络是一种前馈型神经网络

C.每个卷积层可包含多个卷积核来进行特征提取

D.卷积神经网络的特征提取阶段包括卷积层和池化层

A.做法可行

B.是

C.否

D.不知道

A.采用不同大小的卷积：在开始的卷积层采用大卷积核获得粗略的特征，然后再后续的卷积层采用小卷积核获得细致的特征。

B.采用shortcut等方式，减少特征的损失。

C.增加池化操作。

D.在不同隐层调整卷积核大小。

A.采用不同大小的卷积：在开始的卷积层采用大卷积核获得粗略的特征，然后再后续的卷积层采用小卷积核获得细致的特征。

B.采用shortcut等方式，减少特征的损失。

C.增加池化操作。

D.在不同隐层调整卷积核大小。

A.做法可行

B.是

C.否

D.不知道

A.29x29

B.14x14

C.15x15

D.16x16

A.每个卷积层中的卷积核都需要处理全部接受到的信息

B.卷积神经网络是目前网络深度最深的深度神经网络模型之一

C.卷积核用来实现对输入信号的各种处理，不同的卷积核实现不同的功能

D.池化操作对多个卷积核得到的信息进行降维，只保留重要信息

A.每个卷积层中的卷积核都需要处理全部接受到的信息

B.卷积神经网络是目前网络深度最深的深度神经网络模型之一

C.卷积核用来实现对输入信号的各种处理，不同的卷积核实现不同的功能

D.池化操作对多个卷积核得到的信息进行降维，只保留重要信息