哪个权重的取值或调整方法不能改善卷积神经网络的训练和性能？
A: He初始化
B: dropout
C: batch normalization
D: 任意随机初始化
A: He初始化
B: dropout
C: batch normalization
D: 任意随机初始化
举一反三
- 哪些权重的取值或调整方法可以改善卷积神经网络的训练和性能？ A: He初始化 B: batch normalization C: dropout D: 任意随机初始化
- 有关神经网络参数初始化的说法错误的是哪个？ A: 过大过小的参数都影响网络的训练 B: 神经网络可以用0来初始化权重 C: 可以进行参数的随机初始化 D: 合适的权重初始化可以加快神经网络的训练，提升模型的效果
- 有关神经网络参数初始化的说法错误的是哪个？ A: 权重和偏置都可以取全零初始化 B: 使用正态分布初始化，但权重取太大或太小都会影响网络的训练 C: Xavier初始化可以减少梯度消失 D: 合适的权重初始化可以加快神经网络的训练和效果
- 以下哪些方法能改进卷积神经网络的训练质量？ 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
- 在一个神经网络中，下面哪种方法可以用来处理过拟合？（ ） A: 其余选项都可以 B: 分批归一化(Batch Normalization) C: 正则化(regularization) D: Dropout