题目
A.MobileNet核心是将卷积拆分为Depthwise+Pointwise两部分
B.MobileNet采用组卷积操作提高速度
C.MobileNet中Pointwise采用了组卷积技术获得特征
D.Pointwise将不同组的特征进行融合
第1题
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
第2题
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络,降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担,这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化,提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
第4题
A.Hadoop的核心计算能力的体现。适用于大批量的集群任务。
B.核心思想是把一个规模较大的任务拆分成多个规模较小的任务同时并行处理,然后将各个结果归约聚合。
C.计算过程分为Map(映射)和Reduce(归约)两个阶段。
D.可编写模块已经封装好,用户直接调用不允许修改。
第6题
A.算法最终必须由计算机程序实现
B.为解决某问题的算法和为该问题编写的程序含义是相同的
C.算法的可行性是指指令不能有二义性
D.其它三项说法都是错误的
第8题
A.BP神经网络是前馈神经网络
B.BP神经网络的参数权重值是由反向传播学习算法进行调整的
C.BP神经网络模型拓扑结构包括输入层、隐层和输出层
D.BP神经网络利用激活函数来实现从输出到输入的非线性映射
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!