21015.()训练CNN时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。

### 题目解析 #### 题干： “训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。” #### 答案： A: 正确 #### 解析： **背景知识：** - **CNN（卷积神经网络）**：一种在图像识别等领域表现优异的深度学习模型。 - **数据增强（Data Augmentation）**：通过对原始数据进行变换生成更多训练样本的方法。 **关键点：** 1. **旋转、平移、缩放等预处理**：指的是对图像进行一些简单的几何变换。 2. **提高模型泛化能力**：使得模型不仅在训练集上表现好，在未见过的数据上也能表现良好。 **解析：** 在训练CNN时，数据增强是一种常用的技巧。通过旋转、平移、缩放等方式，可以在不增加额外标注成本的情况下生成更多的训练样本。这些变换有助于模型学习到更丰富的特征，从而提升其对新数据的适应能力。 **举例说明：** 想象一下你在识别猫的图片。如果你只用原图训练，模型可能只能识别特定角度或大小的猫。但是，如果你对图片进行旋转和平移等变换，模型就能看到不同角度和位置的猫。这样，当它遇到实际应用中的各种情况时，就更能准确识别出猫的存在。 因此，题干的说法是正确的。 希望这个解释对你有帮助！