1.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授

你认为把下面这个过滤器应用到灰度图像会怎么样？[01−1013−3−113−3−101−10]\left[\begin{matrix} 0&1&-1&0 \\ 1&3&-3&-1 \\ 1&3&-3&-1 \\ 0&1&-1&0 \end{matrix}\right]⎣⎢⎢⎡​0110​1331​−1−3−3−1​0−1−10​⎦⎥⎥⎤​
A.会检测45度边缘

B.会检测垂直边缘

C.会检测水平边缘

D.会检测图像对比度

假设你的输入是一个300×300的彩色（RGB）图像，而你没有使用卷积神经网络。 如果第一个隐藏层有100个神经元，每个神经元与输入层进行全连接，那么这个隐藏层有多少个参数（包括偏置参数）？

A.9,000,001

B.9,000,100

C.27,000,001

D.27,000,100

假设你的输入是300×300彩色（RGB）图像，并且你使用卷积层和100个过滤器，每个过滤器都是5×5的大小，请问这个隐藏层有多少个参数（包括偏置参数）？

A.2501

B.2600

C.7500

D.7600

你有一个63x63x16的输入，并使用大小为7x7的32个过滤器进行卷积，使用步幅为2和无填充，请问输出是多少？

A.29x29x32

B.16x16x32

C.29x29x16

D.16x16x16

你有一个15x15x8的输入，并使用“pad = 2”进行填充，填充后的尺寸是多少？

A.17x17x10

B.19x19x8

C.19x19x12

D.17x17x8

你有一个63x63x16的输入，有32个过滤器进行卷积，每个过滤器的大小为7x7，步幅为1，你想要使用“same”的卷积方式，请问pad的值是多少？

A.1

B.2

C.3

D.7

你有一个32x32x16的输入，并使用步幅为2、过滤器大小为2的最大化池，请问输出是多少？

A.15x15x16

B.16x16x8

C.16x16x16

D.32x32x8

因为池化层不具有参数，所以它们不影响反向传播的计算。

A.对 B.不对

在视频中，我们谈到了“参数共享”是使用卷积网络的好处。关于参数共享的下列哪个陈述是正确的？（选出所有正确项）

A.它减少了参数的总数，从而减少过拟合。

B.它允许在整个输入值的多个位置使用特征检测器。

C.它允许为一项任务学习的参数即使对于不同的任务也可以共享（迁移学习）。

D.它允许梯度下降将许多参数设置为零，从而使得连接稀疏。

在课堂上，我们讨论了“稀疏连接”是使用卷积层的好处。这是什么意思?

A.正则化导致梯度下降将许多参数设置为零。

B.每个过滤器都连接到上一层的每个通道。

C.下一层中的每个激活只依赖于前一层的少量激活。

D.卷积网络中的每一层只连接到另外两层。

101.B 102.D 103.B 104.A 105.B 106.C 107.C 108.B 109.BD 110.C

学习 卷积神经网络 深度学习 神经网络 卷积