GoogLeNet中1X1卷积核的作用是控制输入的通道个数，减少卷积操作参数，还能起到shortcut的作用
对
举一反三
- GoogLeNet中1X1卷积核的作用是控制输入的通道个数，减少卷积操作参数，还能起到shortcut的作用 A: 正确 B: 错误
- 卷积神经网络中，输入图片为RGB3个通道，每个通道大小为32x32，即输入大小为32x32x3，单个卷积核大小为5x5x3，卷积核个数为6，步长为1，无补边，则输出的大小为（ ）。 A: 14x14 B: 14x14x3 C: 27x27x6 D: 27x27x3
- 有一卷积层，输入大小为7*7，卷积核大小为3*3，有3个输入通道，有2个输出通道，则该卷积层的权值（weight）参数个数有________个，偏置（bias）参数有________个。
- 有关卷积神经网络的说法错误的是（ ） A: 卷积神经网络的卷积操作一般不能跨通道 B: 对输入图像进行卷积操作，其卷积核的通道数可以与输入图像的通道数不一样 C: 基础的卷积神经网络一般包括卷积层、池化层和全连接层 D: 卷积的主要作用是提取特征，池化的主要作用是进行特征的筛选
- 以下参数中，哪个参数不属于卷积神经网络中的超级参数（ ） A: 卷积核的高 B: 卷积填充单元 C: 卷积核内的权重参数 D: 卷积步长
内容
- 0
以下有关卷积神经网络的说法，哪些是错误的？ A: 卷积核中的取值在训练过程中不会发生变化。 B: 共享权重大大减少了参数的个数，降低了网络的复杂度。 C: 增加卷积核的大小和通道的个数，可以提升特征获取的能力，但同时速度可能会降低。 D: 卷积核变大会减少网络需要优化的参数。
- 1
假设输入图像矩阵为X，卷积核为K。使用valid卷积方式进行卷积运算，其移动步长为1，计算卷积结果。[img=460x124]17e449c0431f5ec.png[/img]
- 2
卷积神经网络中某一层使用的He权重初始化与以下哪些参数有关？ A: 卷积核的高 B: 卷积核的宽 C: 前一层特征图的大小 D: 卷积核的个数
- 3
神经网络卷积运算的本质是____________，卷积核的参数实际上就是神经元输入的____________。
- 4
现有一个两层的卷积神经网络，第一层是常规的卷积层，输入输出的通道数为3和64，卷积核大小为3×3；第二层是分组卷积层（group convolution layer）,分为4组，输入输出通道数为64和32，卷积核大小为3×3。则该网络的参数个数为（）