题目
A.Y.是
B.N.否
第3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4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5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6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7题
第8题
A.29x29
B.14x14
C.15x15
D.16x16
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.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11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
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!