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
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
A,B,D
举一反三
- 在卷积神经网络LeNet-5的卷积层C3得到的特征图为16个，上一层的特征图为6个。则关于这一卷积过程的描述错误的是[img=658x440]1803b2fa207fe99.png[/img] A: C3卷积层中每个特征图只与上一层S2中部分特征图相连接 B: C3卷积层采用多通道16核卷积 C: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的若干特征图相连接 D: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的全部特征图相连接
- 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
- 卷积神经网络中同一卷积层的所有卷积核是权重共享的。
- 有关卷积神经网络的说法哪个是正确的？ A: 卷积核越大越好 B: 不同卷积层或同一卷积层只能用一种大小的卷积核 C: 在卷积层之前使用池化操作，可以减少卷积层参数量 D: 类似AlexNet网络使用的分组卷积可以增加卷积层的参数量
- 卷积神经网络中，同一卷积层所有的卷积核大小必须相同
内容
- 0
卷积神经网络中有哪些参数是需要通过学习得到的 A: 卷积核权重参数 B: 池化层参数 C: 激活函数 D: 偏置
- 1
在卷积神经网络计算中，已知输入特征层大小为32x32x64, 使用标准卷积计算，带偏置项，卷积核大小为3*3，输出特征层数目为64，请问卷积层的参数个数为？ A: 576 B: 36928 C: 640 D: 36864
- 2
在卷积网络中，卷积层的参数是卷积核和偏置，池化层没有参数，因此在误差反向传播时只要优化卷积层的参数。
- 3
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。
- 4
若对一个分辨率为100×100的RGB图像使用卷积神经网络（卷积核的高宽为3×3）进行特征提取，则第一个卷积层的卷积核的个数是多少？ A: 9 B: 10000 C: 3 D: 无法确定