在手写数字识别的例子中，输入的图片为长和宽都是28像素的图片，输出判断数字0-9的概率。要构建前馈型神经网络去解决这个问题，输入层是()维的，输出层是()维的。
A: 28;10
B: 784;10
C: 28;1
D: 784;1
A: 28;10
B: 784;10
C: 28;1
D: 784;1
举一反三
- 在第五章手写数字识别的例子中,输入的图片为长和宽都是28像素的图片,输出判断数字0-9的概率。要构建前馈型神经网络去解决这个问题,输入层是()维的,输出层是()维的
- 在第五章手写数字识别的例子中,输入的图片为长和宽都是28像素的图片,输出判断数字0-9的概率。要构建前馈型神经网络去解决这个问题,
- 中国大学MOOC: 在图像识别应用中，输入的图片为长和宽都是20像素的图片，输出判断26个字母的概率。要构建BP网络去解决这个问题，输入层是（）维的，输出层是（）维的。
- 在图像识别应用中,输入的图片为长和宽都是20像素的图片,输出判断26个字母的概率。要构建BP网络去解决这个问题,输入层是()维的,输出层是()维的 A: 20；1 B: 400；1 C: 20；20 D: 400；26
- 在手写数字识别的例子中，若输入的图片为长和宽都是14像素的灰...层是____维的，输出层是____维的。