引導式測驗 · 中等 等級
DenseNet 和密集連線測驗
測試特徵圖串聯、成長率、直接特徵重複使用、過渡壓縮、梯度路徑和通道計數。
問題 1 的 8
DenseNet 使用什麼操作來組合前面各層的特徵圖?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- DenseNet 使用什麼操作來組合前面各層的特徵圖?
- 頻道級聯
- 逐元素加法
- 跨層最大池化
- 逐元素乘法
- 在DenseNet中,「成長率」k控制什麼?
- 學習率表
- 池化視窗大小
- 每層產生的新特徵圖的數量
- 密集塊的數量
- 密集區塊中的 L 層之間有多少直接連接?
- L
- L(L+1)/2
- 2公升
- L 平方
- DenseNet 中過渡層的主要用途是什麼?
- 新增剩餘快捷方式
- 為了提高成長率
- 僅應用 dropout
- 下取樣並減少密集區塊之間的特徵圖大小
- 密集連結的一個主要好處是它有助於緩解哪些訓練問題?
- 顏色過度擬合
- 批量規模呈爆炸性成長
- 梯度消失問題
- 標籤噪音
- 與 ImageNet 上類似精確度的 ResNet 相比,DenseNet-BC 通常使用:
- 參數大幅減少
- 更多參數
- 參數差不多
- 根本沒有捲積
- A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
- Only the final layer can see edge features
- DenseNet resets all maps after each layer
- Transition layers reconstruct every earlier map from scratch
- Earlier feature maps remain among its concatenated inputs
- A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
- 3m + k
- m + 3k
- m times k cubed
- Only k, because old maps are discarded