卷积层中的参数数量少于全连接型神经网络，是因为卷积层的两个优良的特性。第一个...

单项选择题卷积层中的参数数量少于全连接型神经网络，是因为卷积层的两个优良的特性。第一个是“参数共享”，第二个是（）。

A.自适应梯度下降
B.稀疏连接
C.参数可学习
D.稠密连接

点击查看答案

您可能感兴趣的试卷

你可能感兴趣的试题

1.单项选择题关于池化，以下说法正确的是（）。

A.池化本身没有需要学习的参数
B.池化就是计算整个输入特征中的最大值，没有其他功能
C.池化就是计算整个输入特征的平均值，没有其他功能

点击查看答案

2.单项选择题若使用个的卷积核，对一张的图像进行卷积运算。其中，填充为p，步幅为s，则输出的结果为（）。

A.
B.
C.
D.

点击查看答案

3.单项选择题若使用一个f×f的卷积核，对一张n×n×1的图像进行卷积运算。其中，填充为p，步幅为s，则输出的结果为（）。

A.
B.
C.
D.

点击查看答案

4.单项选择题‏若输入一张1024×1024的彩色图像，将其展平为一个列向量，并将每个像素作为一个特征的，则该图像所代表的样本，共有（）个特征。

A.1024×1024
B.1024
C.1024×3
D.1024×1024×3

点击查看答案

5.单项选择题在Softmax分类中，一般用到的损失函数为交叉熵的形式（cross entropy），其数学表达式如下（）。

A.
B.
C.
D.

点击查看答案

6.单项选择题在多元分类任务中，往往采用独热（one-hot）编码的方式，即对于一个有m个样本的训练集而言，若其为c分类问题，则Y将会是一个（）的矩阵，这个矩阵中的每一列代表一个样本，且每一列中只有一个元素为1，其他均为0。

A.n^c×n^c
B.n^c×m
C.c×m

点击查看答案

7.单项选择题‏对于测试集上批量归一化的计算方法，下述表述正确的是（）。

A.通过指数加权平均的方式将计算出来，并应用于的计算中
B.不能采用批量归一化
C.按照与训练集同样的计算方式

点击查看答案

8.单项选择题在神经网络的超参数中，以下说法正确的是（）。

A.学习率α更为重要
B.神经网络的层数更为重要
C.小批量（mini-batch）的大小更为重要
D.神经网络中隐含单元的个数更为重要

点击查看答案

9.多项选择题为了提高神经网络的学习速度，以下说法正确的是（）。

A.从随机梯度下降改为Adam梯度下降法，通常是一个不错的尝试
B.从随机梯度下降改为RMSprop梯度下降法，通常是一个不错的尝试
C.从随机梯度下降改为动量梯度下降法，通常是一个不错的尝试
D.采用学习率衰减的方式，通常是一个不错的尝试

点击查看答案

10.多项选择题在将数据集分割为若干个小批量后，往往训练时的代价函数曲线从下图中左侧的单一批量训练形态，改变为右侧所示的小批量训练形态。此时，下述说法正确的是（）。

A.小批量之间彼此是相互独立的，在第t-1个小批量上表现好的权重矩阵，未必在第t个小批量上也表现良好，反之亦然。两个相邻的小批量之间可能存在着起伏
B.单一批量是由小批量构成的，因此左图实际上是右图的平均值曲线
C.有的小批量上的数据容易训练，而有的小批量上的数据不容易训练
D.由于训练数据都是人为标注的，有可能存在某些小批量中，标签本身存在错误，导致前一个小批量中可行的权重，在这个小批量中就是不可行的了

点击查看答案