AlexNet模型的特点在于（）。
A: 首次应用ReLu激活函数
B: 在卷积层中应用Dropout
C: 首次应用了局部响应归一化
D: 使用GPU进行加速运算
A: 首次应用ReLu激活函数
B: 在卷积层中应用Dropout
C: 首次应用了局部响应归一化
D: 使用GPU进行加速运算
举一反三
- 对于AlexNet的描述，以下正确的是（ ）。 A: 使用两台GPU B: 有5层卷积层 C: 有3层全连接层 D: 使用relu激活函数、dropout理论
- AlexNet是第一个现代深度卷积网络模型，首次使用了很多现代深度卷积网络的技术方法，模型特点不包括 A: 采用的非线性激活函数：ReLU B: 防止过拟合方法：Dropout，数据扩充（Data augmentation） C: 多GPU实现，LRN归一化层的使用 D: 引入1×1的卷积核，在不影响输入输出维度的情况下，引入非线性变换，增加网络的表达能力，降低计算量。
- 以下哪个是AlexNet的创新点？ A: 共享权重 B: dropout C: Relu激活函数和重叠池化 D: 双GPU训练（分组卷积）
- 以下哪个不是AlexNet的创新点？ A: dropout B: Relu激活函数和重叠池化 C: 双GPU训练 D: 共享权重
- AlexNet相对于LeNet，其显著的变化是 A: 使用了更多的卷积层 B: 使用最大池化代替了平均池化 C: 使用比5*5更大和更小的卷积核 D: 使用了ReLU代替了Sigmoid激活函数 E: 在全连接层使用了丢弃法（dropout） F: 使用了数据增强技术