Викторина, связанная с руководством · Средний Уровень

Викторина по сверточным нейронным сетям

Тестируйте общие ядра CNN, пространственную понижающую дискретизацию, иерархии изученных функций, историю AlexNet, расчеты выходной сетки и плотное покрытие входных каналов.

Связанные направляющие путиСверточные нейронные сети
Вопрос 1 из 8

Какова основная задача фильтра (ядра) в CNN?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какова основная задача фильтра (ядра) в CNN?
    • Чтобы сохранить метку окончательной классификации
    • Чтобы случайным образом перетасовать пиксели перед тренировкой
    • Скольжение по изображению и обнаружение определенного визуального шаблона
    • Чтобы преобразовать изображение 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. Как в глубокой CNN обычно меняются функции от ранних слоев к более поздним?
    • От целых объектов до отдельных пикселей
    • Они остаются идентичными на каждом уровне
    • Только от текста к цифрам
    • От простых краев и цветов до сложных деталей, таких как глаза или колеса.
  5. Which named CNN is associated with the influential 2012 ImageNet classification result?
    • АлексНет
    • РесНет
    • Vision Transformer
    • SqueezeNet
  6. Какая числовая операция происходит, когда к фрагменту изображения применяется фильтр?
    • Пиксели отсортированы от самого темного к самому яркому.
    • Патч удален из образа
    • Каждый вес умножается на перекрывающийся пиксель, и произведения суммируются.
    • Пиксели преобразуются в буквы
  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