题目内容（请给出正确答案）

[主观题]

以下哪些方法能改进卷积神经网络的训练质量？

A、权重归一化

B、dropout

C、batch nomalization

D、增加更多的隐层数，提高网络的深度，深度增大性能也会不断提升

提问人：网友savagert 发布时间：2022-01-07

参考答案

查看官方参考答案

如搜索结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装简答题APP，拍照搜题省时又省心！

更多“以下哪些方法能改进卷积神经网络的训练质量？”相关的问题

第1题

（）的个数决定了卷积层的通道数

A、输入层神经元的个数

B、卷积核的个数

C、卷积核的规模

D、全连接层的神经元个数

点击查看答案

第2题

卷积神经网络一般包括卷积层、池化层、全连接层，一般激活函数在卷积层后进行使用。

点击查看答案

第3题

点击查看答案

第4题

选择最能代表下面主要概念的检索关键词集：基于卷积神经网络的图像语义分割

A、卷积神经网络图形实例分割

B、卷积神经网络图像语义分割

C、CNN 图像语义分割

D、卷积神经网络图像语义分割

点击查看答案

第5题

基于卷积神经网络的图像特征提取方式属于()。

A、全人工提取

B、人工辅助提取

C、半自动提取

D、自动提取

点击查看答案

第6题

2012年以来,深度卷积神经网络已经成为计算机视觉主流方法,网络深度成为()。

A.基本参数

B.关键参数

C.重要参数

D.以上都不对

点击查看答案

第7题

池化（下采样）层的神经元不具有需要优化的参数，但它们影响反向传播的计算。

点击查看答案

第8题

在卷积网络中，卷积层的参数是卷积核和偏置，池化层没有参数，因此在误差反向传播时只要优化卷积层的参数。

点击查看答案

第9题

以股票预测为例，在同样的条件下，二维卷积的准确度一定好好于一维卷积。

点击查看答案

第10题

梯度消失和梯度爆炸不会导致下面哪种情况？

A、梯度消失会导致网络训练变慢

B、梯度消失使网络性能不佳，分类准确度低

C、梯度爆炸使网络训练时代价函数震荡，不利于收敛

D、梯度爆炸会加快网络训练，更易达到最优解

点击查看答案

警告：系统检测到您的账号存在安全风险

为了保护您的账号安全，请在“简答题”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！

微信搜一搜

简答题

点击打开微信

警告：系统检测到您的账号存在安全风险

抱歉，您的账号因涉嫌违反简答题购买须知被冻结。您可在“简答题”微信公众号中的“官网服务”-“账号解封申请”申请解封，或联系客服。

微信搜一搜

简答题

点击打开微信