相关题目
属于卷积神经网络应用方向的是()。
输入图像已被转换为大小为28×28的矩阵和大小为7×7的步幅为1的核心/滤波器,则卷积矩阵的大小是()。
输入图像为32×32,经过步长为1、不进行padding、卷积核为5×5的卷积层后,得到的特征图尺寸是()。
输入图像为37×37,经过第一层卷积(the number of filters=25,kemelsize=5×5,padding=valid,stride=1)与池化层maxpooling(kernel size=3×3,padding=valid),输出特征图大小为()。
深度学习是当前很热门的机器学习算法,深度学习涉及大量的矩阵相乘,现在需要计算三个稠密矩阵A、B、C的乘积ABC,假设三个矩阵的尺寸分别为m×n,n×p,p×q,且m<n<p<q,则下列计算顺序效率最高的是()。
设计为8层的卷积神经网络AlexNet网络成功使用(),其效果远远地超过了Sigmoid函数。
如果训练一个RNN网络时发现权重与激活值都是NaN,则导致这个问题最有可能的原因是()。
考虑某个具体问题时可能只有少量数据,但如果有一个类似问题已经预先训练好的神经网络,则可以有很靠谱的先验。可以利用这个预先训练好的网络的方法是()。
考察一个由三个卷积层组成的CNN:kernel=3x3,stride=2,padding=SAME。最低层输出100个特征映射(featuremap),中间层200个特征映射,最高层400个特征映射。输入是200×300的RGB图片,则总参数的数量是()。
卷积神经网络中每层卷积层(convolutional layer)由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法最佳化得到,其作用是()。
