题目内容
（请给出正确答案）
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
安装简答题APP，拍照搜题省时又省心！
更多“有关卷积核的大小对卷积神经网络的影响，哪个说法是正确的？”相关的问题
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
A、卷积核的高和宽不一定是相等的，且一般大小取奇数
B、在特征图padding时，各方向的填充像素数不一定相同（不对称填充），也不一定补0
C、在卷积神经网络中，卷积和池化的作用主要是分类，全连接层的作用主要是特征获取
D、卷积神经网络的输出层不一定用全连接网络，也可能得到比较好的性能
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
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
微信搜一搜
简答题
如搜索结果不匹配，请 
