题目内容
（请给出正确答案）
[单选题]
ResNet的特点不包括以下哪一点（)？
A.模型参数明显增加
B.减少深层网络的梯度消失问题
C.特征的重用
D.增强特征的获取能力
提问人：网友曾深鑫
发布时间：2022-05-03
如搜索结果不匹配，请 
A.减少深层网络的梯度消失问题
B.特征的重用
C.增强特征的获取能力
D.模型参数明显增加
题目内容
（请给出正确答案）
您可能会需要：
安装简答题APP，拍照搜题省时又省心！
更多“ResNet的特点不包括以下哪一点()?”相关的问题
第2题
ResNet中引入shortcut的功能不包括以下哪一个？
A.ResNet的梯度通过shortcut回到更早的层，缓解了网络因为深度增大导致的梯度消失
B.引出了残差模块，简化了学习
C.改善了网络的特征获取能力
D.减少了计算量
第4题
下面关于深层网络模型的介绍中，哪个说法是正确的（)？
A.在卷积神经网络中，采用平均池化可减小误差，适用于需要突出纹理等特征的场景中
B.ResNet通过增加恒等映射，增加参数从而减少模型优化的难度，实现性能提升
C.空间金字塔池化(SPP)通过把图像的卷积特征转化成相同维度的特征向量，使模型可以处理任意尺寸的图像
D.批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布
第7题
下面有关神经网络梯度消失说法错误的是（）
A.当神经网络的隐层增加时，就容易发生梯度消失问题，表现在靠近输入层的权重难以更新。
B.网络梯度消失可能导致有些权重难以更新，导致网路训练失败。
C.网络梯度消失可以通过改变隐层和输出层的神经元激活函数减弱。
D.网络梯度消失可以通过减少隐层神经元的个数减弱。
第8题
深度学习中如果神经网络的层数较多比较容易出现梯度消失问题,严格意义上来讲是在以下哪个环节出现梯度消失问题？（)
A.反向传播计算结果
B.反向传播更新参数
C.正向传播更新参数
D.正向传播计算结果
第9题
深度学习中如果神经网络的层数较多比较容易出现梯度消失问题，严格意义上来讲是在以下哪个环节出现梯度消失问题？（)
A.正向传播更新参数
B.正向传播计算结果
C.反向传播更新参数
D.反向传播计算结果
第10题
激活函数Sigmoid函数单调连续，输出有界，网络比较容易收敛，在一段时间内使用比较广泛，但是当网络比较深时，容易导致什么问题？（)
A.梯度减少问题
B.XOR问题
C.梯度消失问题
D.过拟合问题
