题目
A.做法可行
B.是
C.否
D.不知道
第3题
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
第5题
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。
第6题
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。
第7题
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
第8题
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
第9题
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
第10题
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
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!