卷积神经网络通过什么原理帮助计算机认知图像内容?
由整体到局部的认知过程
事物总是不断发展与变化的,用发展的眼光认知事物
由局部到整体,由具体到抽象的过程
事物发展的螺旋上升,曲折统一的规律
平均池化(Average Pooling)比最大池化(Max Pooling)对特征图中的噪声更敏感。
在卷积神经网络中,以下哪项属于填充(padding)带来的结果?
引入更多的非线性
增加模型的深度
输出特征图的尺寸与输入相同
减少计算量
CNN也是使用BP反向传播算法来训练卷积层与池化层的参数。
在卷积操作中,若输入特征图尺寸为16×16,使用3×3卷积核,步长(stride)为2,不填充,则输出特征图的尺寸是多少?
7×7
9×9
10×10
8×8
你正在构建一个识别苹果、香蕉、橘子的三元分类器,输出层的激活函数应该选择哪个?
Sigmoid
Softmax
ReLU
Leaky ReLU
在PyTorch中,若执行 x.view(-1, 256 * 3 * 3),参数中的 -1表示什么 ?
将张量压缩为一维向量
删除该维度
随机初始化该维度的大小
自动计算该维度的大小,使总元素数不变
VGG网络通过堆叠多个3x3卷积核来构建深层结构,从而减少参数数量。
在ResNet中,当残差块输入和输出的特征图深度不一致时,可以通过1×1卷积来调整深度。
ResNet的成功对深度学习发展的影响不包括?
推动了计算机视觉领域的进步
解决了所有优化问题
证明了极深网络的有效性
启发了更多带跳跃连接的架构