增加卷积核的大小对于改进卷积神经网络的效果是必要的吗？（）

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.单纯增加卷积神经网络的深度不一定能获得比较好的性能

B.增加卷积神经网络每层卷积核的多样性可以改善网络的性能

C.采用小卷积的级联可以起到大卷积的作用，但减少了网络的参数和过拟合，因此可能获得较高的分类性能

D.卷积神经网络的特征图中的特征很容易归纳解释

A.卷积中的通道数量只能是1或3

B.池化核大小与步长相等

C.Padding时各方向的填充不一定对称

D.卷积核越小，卷积后的结果越抽象

A.不知道

B.看情况

C.是

D.否

A.卷积核中的取值在训练过程中不会发生变化。

B.共享权重大大减少了参数的个数，降低了网络的复杂度。

C.增加卷积核的大小和通道的个数，可以提升特征获取的能力，但同时速度可能会降低。

D.卷积核变大会减少网络需要优化的参数。

A.576

B.36928

C.640

D.36864

A.576

B.36928

C.640

D.36864

A.7

B.14

C.16

D.32

A.全连接层

B.隐藏层

C.汇聚层

D.卷积核