日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 人工智能 > 卷积神经网络 >内容正文

卷积神经网络

4.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授

發(fā)布時(shí)間:2025/4/5 卷积神经网络 181 豆豆
生活随笔 收集整理的這篇文章主要介紹了 4.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授 小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

←上一篇↓↑下一篇→
4.11 一維到三維推廣回到目錄1.1 為什么選擇序列模型(第五課)

總結(jié)

習(xí)題

第 131 題

面部驗(yàn)證只需要將新圖片與1個(gè)人的面部進(jìn)行比較,而面部識別則需要將新圖片與K個(gè)人的面部進(jìn)行比較。

A.正確 B.錯(cuò)誤

第 132 題

在人臉驗(yàn)證中函數(shù)d(img1,img2)起什么作用?

A.只需要給出一個(gè)人的圖片就可以讓網(wǎng)絡(luò)認(rèn)識這個(gè)人

B.為了解決一次學(xué)習(xí)的問題

C.這可以讓我們使用softmax函數(shù)來學(xué)習(xí)預(yù)測一個(gè)人的身份,在這個(gè)單元中分類的數(shù)量等于數(shù)據(jù)庫中的人的數(shù)量加1

D.鑒于我們擁有的照片很少,我們需要將它運(yùn)用到遷移學(xué)習(xí)中

第 133 題

為了訓(xùn)練人臉識別系統(tǒng)的參數(shù),使用包含了10萬個(gè)不同的人的10萬張圖片的數(shù)據(jù)集進(jìn)行訓(xùn)練是合理的。

A.正確 B.錯(cuò)誤

第 134 題

下面哪個(gè)是三元組損失的正確定義(請把 α\alphaα 也考慮進(jìn)去)?

A. max(∣∣f(A)?f(P)∣∣2?∣∣f(A)?f(N)∣∣2+α,0)max(||f(A)-f(P)||^2-||f(A)-f(N)||^2+\alpha,0)max(f(A)?f(P)2?f(A)?f(N)2+α,0)
B. max(∣∣f(A)?f(N)∣∣2?∣∣f(A)?f(P)∣∣2+α,0)max(||f(A)-f(N)||^2-||f(A)-f(P)||^2+\alpha,0)max(f(A)?f(N)2?f(A)?f(P)2+α,0)
C. max(∣∣f(A)?f(N)∣∣2?∣∣f(A)?f(P)∣∣2?α,0)max(||f(A)-f(N)||^2-||f(A)-f(P)||^2-\alpha,0)max(f(A)?f(N)2?f(A)?f(P)2?α,0)
D. max(∣∣f(A)?f(P)∣∣2?∣∣f(A)?f(N)∣∣2?α,0)max(||f(A)-f(P)||^2-||f(A)-f(N)||^2-\alpha,0)max(f(A)?f(P)2?f(A)?f(N)2?α,0)

第 135 題

在下圖中的孿生卷積網(wǎng)絡(luò)(Siamese network)結(jié)構(gòu)圖中

上下兩個(gè)神經(jīng)網(wǎng)絡(luò)擁有不同的輸入圖像,但是其中的網(wǎng)絡(luò)參數(shù)是完全相同的

A.正確 B.錯(cuò)誤

第 136 題

你在一個(gè)擁有100種不同的分類的數(shù)據(jù)集上訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò),你想要知道是否能夠找到一個(gè)對貓的圖片很敏感的隱藏節(jié)點(diǎn)(即在能夠強(qiáng)烈激活該節(jié)點(diǎn)的圖像大多數(shù)都是貓的圖片的節(jié)點(diǎn)),你更有可能在第4層找到該節(jié)點(diǎn)而不是在第1層更有可能找到。

A.正確 B.錯(cuò)誤

第 137 題

神經(jīng)風(fēng)格轉(zhuǎn)換被訓(xùn)練為有監(jiān)督的學(xué)習(xí)任務(wù),其中的目標(biāo)是輸入兩個(gè)圖像 (x),并訓(xùn)練一個(gè)能夠輸出一個(gè)新的合成圖像(y)的網(wǎng)絡(luò)

A.正確 B.錯(cuò)誤

第 138 題

在一個(gè)卷積網(wǎng)絡(luò)的深層,每個(gè)通道對應(yīng)一個(gè)不同的特征檢測器,風(fēng)格矩陣 G[l]G^{[l]}G[l] 度量了 lll 層中不同的特征探測器的激活(或相關(guān))程度

A.正確 B.錯(cuò)誤

第 139 題

在神經(jīng)風(fēng)格轉(zhuǎn)換中,在優(yōu)化算法的每次迭代中更新的是什么?

A.神經(jīng)網(wǎng)絡(luò)的參數(shù)

B.生成圖像G的像素值

C.正則化參數(shù)

D.內(nèi)容圖像C的像素值

第 140 題

你現(xiàn)在用擁有的是3D的數(shù)據(jù),現(xiàn)在構(gòu)建一個(gè)網(wǎng)絡(luò)層,其輸入的卷積是32×32×32×1632×32×32×16(此卷積有16個(gè)通道),對其使用3232個(gè)3×3×33×3×3的過濾器(無填充,步長為1)進(jìn)行卷積操作,請問輸出的卷積是多少?

A.30×30×30×32

B.不能操作,因?yàn)橹付ǖ木S度不匹配,所以這個(gè)卷積步驟是不可能執(zhí)行的

C.30×30×30×16

131-140題 答案

131.A 132.AB 133.B 134.A 135.A 136.A 137.B 138.A 139.B 140.A

總結(jié)

以上是生活随笔為你收集整理的4.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò),歡迎將生活随笔推薦給好友。