深度学习-测试3 PDF

**\ **深度学习 · 测试3 1\. 下面关于池化的描述中，错误的是哪个？ 单选题(5.0分)（难易度:中） A. 池化在CNN中可以减少较多的计算量，加快模型训练\ \ \ B. 池化的常用方法包括最大化池化、最小化池化、平均化池化、全局池化\ \ \ C. 池化方法可以自定义\ \ \ D. 在人脸识别中采用较多池化的原因是为了获得人脸部的高...

**\ **深度学习 · 测试3 1\. 下面关于池化的描述中，错误的是哪个？ 单选题(5.0分)（难易度:中） A. 池化在CNN中可以减少较多的计算量，加快模型训练\ \ \ B. 池化的常用方法包括最大化池化、最小化池化、平均化池化、全局池化\ \ \ C. 池化方法可以自定义\ \ \ D. 在人脸识别中采用较多池化的原因是为了获得人脸部的高层特征\ \ \ \ 正确答案：B\ 答案解释：暂无 2\. 下面关于CNN的描述中，错误的说法是哪个？ 单选题(5.0分)（难易度:中） A. SAME填充（padding）一般是向图像边缘添加0值\ \ \ B. 卷积核一般是有厚度的，即通道（channel),通道数量\ 越多，获得的特征图（Feature map）就越多\ \ C. 局部感知使网络可以提取数据的局部特征，而权值共享\ 大大降低了网络的训练难度\ \ \ D. 卷积是指对图像的窗口数据和滤波矩阵做内积的操作，\ 在训练过程中滤波矩阵的大小和值不变\ \ \ \ 正确答案：D\ 答案解释：暂无 3\. 下面关于深度学习网络结构的描述，正确的说法是哪个？ 单选题(5.0分)（难易度:中） A. 网络的层次越深，其训练时间越久，5层的网络要比4层的训练时间更长\ \ \ B. 在不同的网络结构中，层数与神经元数量正相关，层数越多，神经元数量一定越多\ \ \ C. 网络结构的层次越深，其学习的特征越多，10层的结构要优于5层的\ \ \ D. 深层网络结构中，学习到的特征一般与神经元的参数量有关，也与样本的特征多寡相关\ \ \ \ 正确答案：D\ 答案解释：暂无 4. 假设输入是一个300×300的彩色（RGB）图像，使用全链接神经网络。如果第一个隐藏层有100个神经元，那么这个隐藏层一共有多少个参数（包括偏置参数）？ 单选题(5.0分)（难易度:中） A. 27,000,001\ \ \ B. 9,000,100\ \ C. 9,000,001\ \ \ D. 27,000,100\ \ \ \ 正确答案：D\ 答案解释：暂无 5. 假设输入是一张300×300彩色图像，第一个隐藏层使用了100个5\*5卷积核做卷积操作，这个隐藏层有多少个参数（包括偏置参数）？ 单选题(5.0分)（难易度:中） A. 7500\ \ B. 7600\ \ C. 2501\ \ D. 7601\ \ \ 正确答案：B\ 答案解释：暂无 6. 有一个44x44x16的输入，并使用大小为5x5的32个卷积核进行卷积，步长为1，无填充（nopadding），输出是多少？ 单选题(5.0分)（难易度:中） A. 40\*40\*32\ \ \ B. 29\*29\*32\ \ \ C. 44\*44\*16\ \ \ D. 39\*39\*32\ \ \ \ 正确答案：A\ 答案解释：暂无 7. 对于65x65x6的输入特征图，用32个5\*5的卷积核（过滤器）进行卷积，步幅为2，padding值为2，得到的特征图大小是哪个？ 单选题(5.0分)（难易度:中） A. 33\*33\*32\ \ \ B. 32\*32\*32\ \ \ C. 65\*65\*12\ \ \ D. 32\*32\*5\ \ \ \ 正确答案：A\ 答案解释：暂无 8. 对于32x32x6的输入特征图，使用步长为2，核大小为2的最大池化，请问输出特征图的大小是多少？ 单选题(5.0分)（难易度:中） A. 32\*32\*3\ \ \ B. 16\*16\*6\ \ \ C. 32\*32\*6\ \ \ D. 16\*16\*3\ \ \ \ 正确答案：B\ 答案解释：暂无 9. 假设一个卷积神经网络，第一个全连接层前的池化层输出为12\*12\*250，其展开的向量长度为？ 单选题(5.0分)（难易度:中） A. 3000\ \ B. 3600\ \ C. 36000\ \ D. 224\ \ \ 正确答案：C\ 答案解释：暂无 10. 假设某卷积层的输入和输出特征图大小分别为63\*63\*6和31\*31\*12，卷积核大小是5\*5，步长为2，那么Padding值为多少？ 单选题(5.0分)（难易度:中） A. 4\ \ B. 2\ \ C. 1\ \ D. 3\ \ \ 正确答案：C\ 答案解释：暂无 11. ‎假设某卷积层的输入特征图大小为36\*32\*6，卷积核大小是5\*3，通道为20个，步长为1，没有padding，那么得到的特征图大小为？ 单选题(5.0分)（难易度:中） A. 32\*28\*6\ \ \ B. 27\*30\*20\ \ \ C. 36\*34\*20\ \ \ D. 32\*30\*20\ \ \ \ 正确答案：D\ 答案解释：暂无 12\. ‍对于神经网络而言，哪个不是输入的标准化的作用？ 单选题(5.0分)（难易度:中） A. 降低网络的计算量\ \ \ B. 减少不同输入特征数据量纲的差别\ \ \ C. 减少网络的过拟合\ \ \ D. 使得第一个隐层的输入不至于过大或过小，提高网络训练的收敛速度\ \ \ \ 正确答案：A\ 答案解释：暂无 13\. 以下有关卷积神经网络的说法，哪些是错误的？ 多选题(5.0分)（难易度:中） A. 通过增加卷积核的大小和通道的个数，可以提升卷积神经网络特征获取的能力\ \ \ B. 卷积核越大，即感受野越大，网络需要优化的参数越少，训练速度越快\ \ \ C. 共享权重大大减少了参数的个数，降低了网络的复杂度\ \ \ D. 卷积核中的取值都是事先人工设计的，在网络的训练过程中不变化\ \ \ \ 正确答案：B D\ 答案解释：暂无 14\. 下面有关卷积神经网络的说法哪些是正确的？ 多选题(5.0分)（难易度:中） A. 卷积核的高和宽不一定是相等的，且一般大小取奇数\ \ \ B. 在特征图padding时，各方向的填充像素数不一定相同（不对称填充），也不一定补0\ \ \ C. 卷积神经网络的输出层不一定用全连接网络，也可能得到比较好的性能\ \ \ D. 在卷积神经网络中，卷积和池化的作用主要是分类，全连接层的作用主要是特征获取\ \ \ \ 正确答案：A B C\ 答案解释：暂无 15\. 以下哪些方法能改进卷积神经网络的训练质量？ 多选题(5.0分)（难易度:中） A. 权重归一化\ \ \ B. dropout\ \ \ C. batch nomalization\ \ \ D. 增加更多的隐层数，提高网络的深度，深度增大性能也会不断提升\ \ \ \ 正确答案：A B C\ 答案解释：暂无 16\. 下面关于池化的描述中，正确的的说法有哪些？ 多选题(5.0分)（难易度:中） A. 池化的常用方法包括最大化池化、最小化池化、平均化池化、全局池化\ \ \ B. 在人脸识别中采用较多池化的原因是为了获得人脸部的高层特征\ \ \ C. 池化在CNN中没有增加可训练的参数，但减少较多的计算量，加快模型训练时间\ \ \ D. 池化方法也可以自定义\ \ \ \ 正确答案：B C D\ 答案解释：暂无 17\. 以下有关卷积核的说法正确的是哪些？ 多选题(5.0分)（难易度:中） A. 使用多层小卷积堆叠可以增加网络的非线性映射能力。\ \ \ B. 堆叠多层小卷积核的操作可以等同于大卷积核的操作。\ \ \ C. 使用小卷积核可以减少参数量。\ \ \ D. 卷积核网络性能越大越好。\ \ \ \ 正确答案：A B C\ 答案解释：暂无 18\. 如果输入图像的像素矩阵是227像素´227像素´3，用96个规格为11´11  的卷积核进行valid卷积，设定步长为4，输出矩阵的维度分别是多少？** \ \ ** 单选题(5.0分)（难易度:中） A. 55\*55\*96\ \ B. 55\*55\*3\ \ C. 54\*54\*96\ \ D. 54\*54\*3\ \ \ 正确答案：A\ 答案解释：暂无 19\. 如果输入图像的像素矩阵是 224像素´224像素´3，用64个规格为3´3的卷积核进行 same卷积，输出矩阵的维度是多少？再对输出矩阵进行步长2，规格为2´2的最大值池化，最后输出矩阵的维度是多少？ 单选题(5.0分)（难易度:中） A. 224\*224\*3,112\*112\*3\ \ B. 112\*112\*64,112\*112\*64\ \ C. 224\*224\*64,112\*112\*64\ \ D. 224\*224\*64,113\*113\*64\ \ \ 正确答案：C\ 答案解释：暂无 20\. 以下关于卷积和池化的区别与联系正确的是？ 多选题(5.0分)（难易度:中） A. 卷积和池化都是能够产生feature的操作，而且这二者都能体现出"局部"特征\ \ \ B. 卷积通过卷积核生成feature，这些卷积核是需要估计的参数\ \ \ C. 池化并不引入参数，而是通过平均，极大值等方式进行feature的运算。\ \ \ D. 池化后feature的通道数和卷积核的个数相关\ \ \ 正确答案：A B C\ 答案解释：暂无