1 LeNet主要分为两个部分:卷积层块和全连接层块
2 LeNet的绝大多数参数集中在卷积层块部分
3 LeNet在连接卷积层块和全连接层块时,需要做一次展平操作
4 LeNet的卷积层块交替使用卷积层和池化层。
答案:2
LeNet模型中,90%以上的参数集中在全连接层块
关于卷积神经网络,以下说法中错误的是:1 因为全连接层的参数数量比卷积层多,所以全连接层可以更好地提取空间信息
2 使用形状为2×2,步幅为2的池化层,会将高和宽都减半
3 卷积神经网络通过使用滑动窗口在输入的不同位置处重复计算,减小参数数量
4 在通过卷积层或池化层后,输出的高和宽可能减小,为了尽可能保留输入的特征,我们可以在减小高宽的同时增加通道数
答案:1
资料来源:
伯禹学习平台-ElitesAI·动手学深度学习PyTorch版-LeNet
https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/jupyter/8Qeea26XXdE5_VUs_POIa