![](https://lstatic.shangxueba.com/jiandati/h5/images/m_q_title.png)
假设某卷积层的输入特征图大小为36*32*6,卷积核大小是5*3,通道为20个,步长为1,没有padding,那么得到的特征图大小为?
A.32*30*20
B.27*30*20
C.32*28*6
D.36*34*20
A.32*30*20
B.27*30*20
C.32*28*6
D.36*34*20
A、33*33*32
B、32*32*32
C、65*65*12
D、32*32*5
运算放大器uA741调零电位器三个端是如何连接的?
A、3、4管脚接电位器固定端,电位器中心点接+12V
B、1、5管脚接电位器固定端,电位器中心点接+12V
C、1、5管脚接电位器固定端,电位器中心点接-12V
D、2、3管脚接电位器固定端,电位器中心点接+12V
C1=b1
c2=b1?b2?b3?b4
c3=b1?b3?b4
试画出编码器电路和码树图。当输入编码器的信息序列为10110时,求它的输出码序列。
A、批归一化(batch normalization)
B、动态的学习步长调整,例如Adam
C、冲量项
D、提高mini-batch中的样本个数
A、大的卷积核对应的感受野比较大,更容易获得图像的特征
B、小的卷积核级联的效果等价于大卷积核的效果,但权重等参数会大大减少
C、过大的卷积核对应大量的参数,卷积神经网络不容易出现过拟合
D、小的卷积核可以获得图像比较细致的特征,它们组合起来可能降低网络的分类准确率
A、减少不同输入特征数据量纲的差别
B、使得第一个隐层的输入不至于过大或过小,提高网络训练的收敛速度
C、降低网络的计算量
D、减少网络的过拟合
A、卷积核中的取值都是事先人工设计的,在网络的训练过程中不变化
B、共享权重大大减少了参数的个数,降低了网络的复杂度
C、通过增加卷积核的大小和通道的个数,可以提升卷积神经网络特征获取的能力
D、卷积核越大,即感受野越大,网络需要优化的参数越少,训练速度越快
A、卷积层的输入特征图的通道数和输出特征图的通道数是相同的
B、通道数越多,获得的特征图越多,网络获得的特征越充分
C、随着卷积网络深度的增加,一般使用更小的卷积核和更多的通道,兼顾训练速度和网络分类性能
D、在卷积操作时,每个卷积核要对输入特征图的所有通道分别做卷积后求和,得到对应的新特征图
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!