机器视觉与边缘计算应用:卷积神经网络基础单元测试与答案.docx
《机器视觉与边缘计算应用:卷积神经网络基础单元测试与答案.docx》由会员分享,可在线阅读,更多相关《机器视觉与边缘计算应用:卷积神经网络基础单元测试与答案.docx(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、一、单项选择题1、对于卷积神经网络而言,减少梯度消失不适合采用以下哪些方法?A.增大学习率B.减少通道数C.减少网络深度(隐层个数)D.skip connection正确答案:B2、AlexNet使用ReLU激活函数的好处不包括以下哪个方面?A.开销小、计算快B.梯度为0时神经元难以正常工作C.提高1网络训练速度D.缓解了梯度消失问题正确答案:B3、有关VGG网络的说法,以下哪个说法是错误的?A.使用了 dropout减少过拟合B.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿C.使用不同数量的卷积核拼成模块,同一模块特征图的尺寸不变D.卷积层与池化层是一一配对的正确答案:D4、
2、VGG对图像的分类准确度高于AlexNet的原因是下面的哪一项?A.更少的隐层B.较大的卷积核C.多个卷积层组成的模块D.训练次数多正确答案:C5、对于GoogLeNet网络,以下哪个说法是错误的?A.网络的宽度和深度都得到了加强,特征获得更充分B.通过线性堆叠各种Inception模块,在不明显增加网络课训练参数 的情况下,提升网络的性能C. GoogLeNet的两个辅助分类器的主要目的是增加分类子模型,提高 分类准确度D.为适应不同大学的图形特征的获取,采用了多种大小的卷积核 正确答案:C6、提高卷积神经网络分类准确性,以下哪个方法可能是无效的?A.使用图像进行旋转、裁剪、拉伸、裁剪等进行
3、样本增强B.增加可调整参数的隐层数目C.采用小卷积核,提高通道的个数D.增强特征获取能力对样本按照一定的方式排序正确答案:D7、哪个权重的取值或调整方法不能改善卷积神经网络的训练和性 能?A. He初始化dropoutB. batch normalizationD.任意随机初始化正确答案:D8、ResNet的特点不包括以下哪一点?A.模型参数明显增加B.特征的重用C.减少深层网络的梯度消失问题D.增强特征的获取能力正确答案:A9、当像素中的参数(R二255, G=0, B=0)时此像素显示红色,假设像素中的参数为(R=0, G=0, B=255)时,该像素显示什么颜色?A.绿色B.蓝色C.白色
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 机器 视觉 边缘 计算 应用 卷积 神经网络 基础 单元测试 答案
限制150内