Тест, свързан с ръководство · Среден Ниво

Тест за конволюционни невронни мрежи

Тествайте споделени CNN ядра, пространствено намаляване на дискретизацията, йерархии на научени функции, история на AlexNet, изчисления на изходна решетка и плътно покритие на входни канали.

Свързани ръководни пътекиКонволюционни невронни мрежи
Въпрос 1 на 8

Каква е основната задача на филтъра (ядрото) в CNN?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната задача на филтъра (ядрото) в CNN?
    • За съхраняване на крайния класификационен етикет
    • За произволно разбъркване на пикселите преди тренировка
    • За да плъзнете по изображението и да откриете конкретен визуален модел
    • За да конвертирате изображението в аудио
  2. How does spatial kernel sharing reduce parameter requirements compared with learning a separate kernel at every image location?
    • The same learned kernel weights are reused across locations
    • All input pixels are deleted
    • Every layer must use only grayscale data
    • The model avoids all training
  3. What does a spatial pooling layer commonly do to a CNN feature map?
    • Assign a final label to every object
    • Reduce its spatial resolution
    • Guarantee invariance to every possible image shift
    • Always increase the number of input channels
  4. В дълбок CNN, как характеристиките обикновено се променят от ранните слоеве към по-късните слоеве?
    • От цели обекти до отделни пиксели
    • Те остават идентични на всеки слой
    • От текст само до числа
    • От прости ръбове и цветове до сложни части като очи или колела
  5. Which named CNN is associated with the influential 2012 ImageNet classification result?
    • AlexNet
    • ResNet
    • Vision Transformer
    • SqueezeNet
  6. Каква числова операция се случва, когато се приложи филтър към част от изображението?
    • Пикселите са сортирани от най-тъмните към най-ярките
    • Пачът се изтрива от изображението
    • Всяко тегло се умножава по неговия припокриващ се пиксел и продуктите се сумират
    • Пикселите се преобразуват в букви
  7. With a 6-by-6 input and 3-by-3 kernel at stride one, no padding, and no dilation, what is the CNN output-grid size?
    • 6 by 6
    • 3 by 3
    • 2 by 2
    • 4 by 4
  8. In dense ungrouped convolution on a three-channel input, which channels does one filter span?
    • Only the first channel by definition
    • All three input channels
    • No input channels because kernels contain only output labels
    • Exactly one channel in every convolution configuration