【吴恩达deeplearning.ai】Course 4 - 卷积神经网络 - 第二周测验
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 2.11 计算机视觉现状 | 回到目录 | 3.1 目标定位 |
总结
习题
第 111 题
在典型的卷积神经网络中，随着网络的深度增加，你能看到的现象是？
A. nHn_HnH 和 nWn_WnW 增加，同时 ncn_cnc 减少
B. nHn_HnH 和 nWn_WnW 减少，同时 ncn_cnc 也减少
C. nHn_HnH 和 nWn_WnW 增加，同时 ncn_cnc 也增加
D. nHn_HnH 和 nWn_WnW 减少，同时 ncn_cnc 增加
第 112 题
在典型的卷积神经网络中，你能看到的是？
A.多个卷积层后面跟着的是一个池化层
B.多个池化层后面跟着的是一个卷积层
C.全连接层（FC）位于最后的几层
D.全连接层（FC）位于开始的几层
第 113 题
为了构建一个非常深的网络，我们经常在卷积层使用“valid”的填充，只使用池化层来缩小激活值的宽/高度，否则的话就会使得输入迅速的变小。
A.对
B.不对
第 114 题
训练更深层的网络（例如，在网络中添加额外的层）可以使网络适应更复杂的功能，因此几乎总是会导致更低的训练错误。对于这个问题，假设是指“普通”网络
A.对 B.不对
第 115 题
下面计算残差(ResNet)块的公式中，横线上应该分别填什么？
a[l+2]a^{[l+2]}a[l+2] = g(W[l+2]g(W[l+1]+b[l+1])+b[l+2]+_?_)+_?_)g(W^{[l+2]}g(W^{[l+1]}+b^{[l+1]})+b^{[l+2]}+\_?\_)+\_?\_)g(W[l+2]g(W[l+1]+b[l+1])+b[l+2]+_?_)+_?_)
A.分别是 0 与 z[l+1]z^{[l+1]}z[l+1]
B.分别是 a[l]a^{[l]}a[l] 与 0
C.分别是 z[l]z^{[l]}z[l] 与 a[l]a^{[l]}a[l]
D.分别是 0 与 a[l]a^{[l]}a[l]
第 116 题
关于残差网络下面哪个（些）说法是正确的？
A.使用跳越连接能够对反向传播的梯度下降有益，且能够帮你对更深的网络进行训练
B.跳跃连接计算输入的复杂的非线性函数以传递到网络中的更深层
C.有L层的残差网络一共有 L2L^2L2 种跳跃连接的顺序
D.跳跃连接能够使得网络轻松地学习残差块类的输入输出间的身份映射
第 117 题
假设你的输入的维度为64x64x16，单个1x1的卷积过滤器含有多少个参数（包括偏差）？
A.2
B.17
C.4097
D.1
第 118 题
假设你有一个维度为 nH∗nW∗ncn_H*n_W*n_cnH∗nW∗nc 的卷积输入，下面哪个说法是正确的（假设卷积层为1x1，步长为1，padding为0）？
A.你能够使用1x1的卷积层来减少 ncn_cnc，但是不能减少 nH,nWn_H,n_WnH,nW
B.你可以使用池化层减少 nH,nWn_H,n_WnH,nW，但是不能减少 ncn_cnc
C.你可以使用一个1x1的卷积层来减少 nH,nWn_H,n_WnH,nW 和 ncn_cnc
D.你可以使用池化层减少 nH,nWn_H,n_WnH,nW 和 ncn_cnc
第 119 题
关于 Inception 网络下面哪些说法是正确的
A.Inception 网络包含了各种网络的体系结构（类似于随机删除节点模式，它会在每一步中随机选择网络的结构），因此它具有随机删除节点的正则化效应。
B.Inception 块通常使用1x1的卷积来减少输入卷积的大小，然后再使用3x3和5x5的卷积。
C.一个inception 块允许网络使用1x1, 3x3, 5x5 的和卷积个池化层的组合。
D.通过叠加inception块的方式让inception网络更深，不会损害训练集的表现。
第 120 题
下面哪些是使用卷积网络的开源实现（包含模型/权值）的常见原因？
A.为一个计算机视觉任务训练的模型通常可以用来数据扩充，即使对于不同的计算机视觉任务也是如此。
B.为一个计算机视觉任务训练的参数通常对其他计算机视觉任务的预训练是有用的。
C.使用获得计算机视觉竞赛奖项的相同的技术，广泛应用于实际部署。
D.使用开源实现可以很简单的来实现复杂的卷积结构。
111-120题 答案
111.D 112.AC 113.B 114.B 115.B 116.BD 117.B 118.AB 119.BC 120.BCD
【吴恩达deeplearning.ai】Course 4 - 卷积神经网络 - 第二周测验相关推荐
- 吴恩达deeplearning.ai系列课程笔记+编程作业(11)第四课 卷积神经网络-第二周 深度卷积网络：实例探究（Deep convolutional models: case studies）
第四门课 卷积神经网络(Convolutional Neural Networks) 第二周 深度卷积网络:实例探究(Deep convolutional models: case studies) ...
- 【干货】吴恩达deeplearning.ai专项课程历史文章汇总
AI有道 一个有情怀的公众号 本文列出了吴恩达deeplearning.ai专项课程的所有精炼笔记,均是红色石头精心制作的原创内容.主要包括:<神经网络与深度学习>.<优化神经网络& ...
- 吴恩达deeplearning.ai深度学习课程空白作业
吴恩达deeplearning.ai深度学习课程的空白作业,包括深度学习微专业五门课程的全部空白编程作业,经多方整理而来.网上找来的作业好多都是已经被别人写过的,不便于自己练习,而且很多都缺失各种 ...
- 吴恩达deeplearning.ai系列课程笔记+编程作业(15)序列模型(Sequence Models)-第三周 序列模型和注意力机制
第五门课 序列模型(Sequence Models) 第三周 序列模型和注意力机制(Sequence models & Attention mechanism) 文章目录 第五门课 序列模型( ...
- 吴恩达deeplearning.ai系列课程笔记+编程作业(14)序列模型(Sequence Models)-第二周 自然语言处理与词嵌入
第五门课 序列模型(Sequence Models) 第二周 自然语言处理与词嵌入(Natural Language Processing and Word Embeddings) 文章目录 第五门课 ...
- 吴恩达deeplearning.ai系列课程笔记+编程作业(13)序列模型(Sequence Models)-第一周 循环序列模型（Recurrent Neural Networks）
第五门课 序列模型(Sequence Models) 第一周 循环序列模型(Recurrent Neural Networks) 文章目录 第五门课 序列模型(Sequence Models) 第一周 ...
- 吴恩达Deeplearning.ai课程学习全体验：深度学习必备课程 By 路雪2017年8月14日 11:44 8 月 8 日，吴恩达正式发布了 Deepleanring.ai——基于 Cours
吴恩达Deeplearning.ai课程学习全体验:深度学习必备课程 By 路雪2017年8月14日 11:44 8 月 8 日,吴恩达正式发布了 Deepleanring.ai--基于 Course ...
- 吴恩达deeplearning.ai系列课程笔记+编程作业(6)第二课 改善深层神经网络-第二周：优化算法 (Optimization algorithms)
第二门课 改善深层神经网络:超参数调试.正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization and ...
- 吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例
吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例 (本笔记部分内容直接引用redstone的笔记http://redstonewill.com/1240/.原文整理的非常好,引入并添加我自 ...
- Emojify - v2 吴恩达老师深度学习第五课第二周编程作业2
吴恩达老师深度学习第五课第二周编程作业2,包含答案! Emojify! Welcome to the second assignment of Week 2. You are going to use ...
最新文章
- 浅谈java中的四个核心概念【转】
- VS与Win7 共舞：用户界面特权隔离
- android版本更新提示安装失败,android4.4.2系统更新后总是安装失败
- IOS UITableView 加载未知宽高图片的解决方案
- 接口responsecode返回500_springboot+redis+Interceptor+annotation实现接口自动幂(989)
- 写代码爬取了某 Hub 资源，只为撸这个鉴黄平台！
- android 活动切换动画,android – 在使用ChangeImageTransform共享元素转换的两个活动之间动画化ImageView...
- Java核心面试问题
- 牛逼，Java中表达式引擎工具就用它！建议收藏，一定用的到！！
- APC UPS 网络管理卡(型号apc ap9631)的配置
- 世界知名网站的技术实现(转)
- c语言第三周编程作业答案,c语言程序设计第3周编程作业（数字特征）
- 开放源代码软件及其许可证
- jvisualvm监控java,配置 jvisualvm 监控Java虚拟机
- C++对象模型探索视频课程
- 单片机外围电路设计攻略
- C语言中符号表示什么意思？
- 联通彻底被iPhone抛弃，失去绯闻女友
- Codeforces 558C Amr and Chemistry 暴力 - -
- C语言字模文件的使用,PCtoLCD2002(字模软件) 最新版 附使用指南