---

←上一篇↓↑下一篇→

1.11 為什么使用卷積？	回到目錄	2.1 為什么要進行實例探究？

---

總結

習題

第 101 題

你認為把下面這個過濾器應用到灰度圖像會怎么樣？$?\begin{array}{cccc}0& 1& ?1& 0\\ 1& 3& ?3& ?1\\ 1& 3& ?3& ?1\\ 0& 1& ?1& 0\end{array}?$
A.會檢測45度邊緣

B.會檢測垂直邊緣

C.會檢測水平邊緣

D.會檢測圖像對比度

第 102 題

假設你的輸入是一個300×300的彩色（RGB）圖像，而你沒有使用卷積神經網絡。 如果第一個隱藏層有100個神經元，每個神經元與輸入層進行全連接，那么這個隱藏層有多少個參數（包括偏置參數）？

A.9,000,001

B.9,000,100

C.27,000,001

D.27,000,100

第 103 題

假設你的輸入是300×300彩色（RGB）圖像，并且你使用卷積層和100個過濾器，每個過濾器都是5×5的大小，請問這個隱藏層有多少個參數（包括偏置參數）？

A.2501

B.2600

C.7500

D.7600

第 104 題

你有一個63x63x16的輸入，并使用大小為7x7的32個過濾器進行卷積，使用步幅為2和無填充，請問輸出是多少？

A.29x29x32

B.16x16x32

C.29x29x16

D.16x16x16

第 105 題

你有一個15x15x8的輸入，并使用“pad = 2”進行填充，填充后的尺寸是多少？

A.17x17x10

B.19x19x8

C.19x19x12

D.17x17x8

第 106 題

你有一個63x63x16的輸入，有32個過濾器進行卷積，每個過濾器的大小為7x7，步幅為1，你想要使用“same”的卷積方式，請問pad的值是多少？

A.1

B.2

C.3

D.7

第 107 題

你有一個32x32x16的輸入，并使用步幅為2、過濾器大小為2的最大化池，請問輸出是多少？

A.15x15x16

B.16x16x8

C.16x16x16

D.32x32x8

第 108 題

因為池化層不具有參數，所以它們不影響反向傳播的計算。

A.對 B.不對

第 109 題

在視頻中，我們談到了“參數共享”是使用卷積網絡的好處。關于參數共享的下列哪個陳述是正確的？（選出所有正確項）

A.它減少了參數的總數，從而減少過擬合。

B.它允許在整個輸入值的多個位置使用特征檢測器。

C.它允許為一項任務學習的參數即使對于不同的任務也可以共享（遷移學習）。

D.它允許梯度下降將許多參數設置為零，從而使得連接稀疏。

第 110 題

在課堂上，我們討論了“稀疏連接”是使用卷積層的好處。這是什么意思?

A.正則化導致梯度下降將許多參數設置為零。

B.每個過濾器都連接到上一層的每個通道。

C.下一層中的每個激活只依賴于前一層的少量激活。

D.卷積網絡中的每一層只連接到另外兩層。

101-110題 答案

101.B 102.D 103.B 104.A 105.B 106.C 107.C 108.B 109.BD 110.C

---

←上一篇↓↑下一篇→

1.11 為什么使用卷積？	回到目錄	2.1 為什么要進行實例探究？

---

總結

以上是生活随笔為你收集整理的1.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。