假设输入一个300*300的彩色（RGB）图像，使用全连接神经网络，如果第一层隐藏层有100个神经元，那么隐含层一共有多少个参数（不包含偏置）。
A: 270000
B: 90000
C: 9000000
D: 27000000
A: 270000
B: 90000
C: 9000000
D: 27000000
D
举一反三
- 假设输入一个300*300的彩色（RGB）图像，使用全连接神经网络，如果第一层隐藏层有100个5*5的卷积核卷积，那么隐含层一共有多少个参数（不包含偏置）。 A: 2500 B: 7500 C: 7600 D: 2600
- 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）？ A: 9,000,001 B: 9,000,100 C: 27,000,001 D: 27,000,100
- 假设输入是一个300*300的彩色（RGB）图像，并且没有使用卷积神经网络。如果第一个隐层有100个神经元，每个神经元与输入层进行全连接，那么这个隐藏层有多少个参数（包括偏置参数）？( ) A: 300*300*3*100 B: 300*300*3*100+100 C: 300*3*100 D: 300*3*100+100
- 中国大学MOOC:假设输入的图像为100*100像素（RGB）的图像，并且没有使用卷积神经网络。如果第一个隐藏层有50个神经元，每个神经元与输入图像是全连接的关系，则这个隐藏层需要多少参数（包括偏置参数）？
- 假设输入是一个300*300的彩色（RGB）图像，并且使用卷积神经网络,并且使用卷积层和100个过滤器，每个过滤器都是5*5的大小，请问这个隐藏层有多少个参数（包括偏置参数）？( ) A: 5*5*3*100+100 B: 5*5*3*300*300 C: 5*5*100 D: 5*5*100+100
内容
- 0
假设你输入的是300 x 300色（RGB）图像，并且没有使用卷积网络。 如果第一个隐藏层有100个神经元，每个神经元都完全连接到输入，那么这个隐藏层有多少个参数（包括偏向参数）？ A: 27,000,001 B: 9,000,001 C: 27,000,100 D: 9,000,100
- 1
假设输入的图像为100*100像素（RGB）的图像，并且没有使用卷积神经网络。如果第一个隐藏层有50个神经元，每个神经元与输入图像是全连接的关系，则这个隐藏层需要多少参数（包括偏置参数）？ A: 1, 500, 000 B: 1, 500, 050 C: 500, 000 D: 1, 500, 001
- 2
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）？ A: 2501 B: 7601 C: 7500 D: 7600
- 3
假设一个BP神经网络的输入层、隐层和输出层分别有3、6和4个神经元，请问这个网络一共有多少个权重需要训练？
- 4
具有8个隐藏层的神经网络一共有多少层？