4.12 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
| 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。
- 上一篇: 4.11 一维到三维推广-深度学习第四课
- 下一篇: 0.0 目录-深度学习第五课《序列模型》