有关VGG网络的说法,以下哪个说法是错误的?
A.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿
B.使用了dropout减少过拟合
C.使用不同数量的卷积核拼成模块,同一模块特征图的尺寸不变。
D.卷积层与池化层是一一配对的
- · 有4位网友选择 D,占比44.44%
- · 有3位网友选择 B,占比33.33%
- · 有1位网友选择 C,占比11.11%
- · 有1位网友选择 A,占比11.11%
A.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿
B.使用了dropout减少过拟合
C.使用不同数量的卷积核拼成模块,同一模块特征图的尺寸不变。
D.卷积层与池化层是一一配对的
B、对抗生成网络包含生成模型与判别模型
C、判别模型需要输入带标签的真实样本
D、对抗生成网络不能用来产生新的图片
B.5GSA架构天然支持MEC,可灵活部署
C.MEC可有效支持5Gurllc业务实现
D.5GMEC可按业务需求在多个网络位置灵活部署
A、卷积层使用卷积+ReLU+batch normalization的结构
B、mini-batch的batch值越大越好
C、增加池化层的个数可以提高网络训练参数,但降低了网络性能
D、激活函数尽量选择Sigmoid等函数,提高网络的非线性拟合能力
A、为适应不同大学的图形特征的获取,采用了多种大小的卷积核
B、网络的宽度和深度都得到了加强,特征获得更充分
C、通过线性堆叠各种Inception模块,在不明显增加网络课训练参数的情况下,提升网络的性能
D、GoogLeNetL的两个辅助分类器的主要目的是增加分类子模型,提高分类准确度
A、ResNet的梯度通过shortcut回到更早的层,缓解了网络因为深度增大导致的梯度消失
B、引出了残差模块,简化了学习
C、改善了网络的特征获取能力
D、减少了计算量
A、增加可调整参数的隐层数目
B、使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强
C、采用小卷积核,提高通道的个数
D、增强特征获取能力对样本按照一定的方式排序
A、采用不同大小的卷积:在开始的卷积层采用大卷积核获得粗大的特征,然后再后续的卷积层采用小卷积核获得细致的特征
B、同一隐层组合不同大小的卷积核函数
C、采用shortcut等方式,随着网络层次的加深,减少特征的损失
D、多增加池化操作
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!