典型卷積神經(jīng)網(wǎng)絡(luò)算法單元測(cè)試與答案

一、單選題1、梯度消失和梯度爆炸不會(huì)導(dǎo)致下面哪種情況？A.梯度爆炸使網(wǎng)絡(luò)訓(xùn)練時(shí)代價(jià)函數(shù)震蕩，不利于收斂B.梯度消失會(huì)導(dǎo)致網(wǎng)絡(luò)訓(xùn)練變慢C.梯度爆炸會(huì)加快網(wǎng)絡(luò)訓(xùn)練，更易達(dá)到最優(yōu)解D.梯度消失使網(wǎng)絡(luò)性能不佳，分類準(zhǔn)確度低正確答案：C2、以下哪個(gè)不是AlexNet的創(chuàng)新點(diǎn)？A.dropoutB.共享權(quán)重C,雙GPU訓(xùn)練D.Relu激活函數(shù)和重疊池化正確答案：B3、AlexNet使用ReLU激活函數(shù)的好處不包括以下哪個(gè)方面？A.開銷小、計(jì)算快B.梯度為0時(shí)神經(jīng)元難以正常工作C提高l網(wǎng)絡(luò)訓(xùn)練速度口.緩解了梯度消失問(wèn)題正確答案：B4、在池化中，當(dāng)步長(zhǎng)小于卷積核的大小時(shí)會(huì)稱為重疊池化。與非重疊池化相比，下面哪個(gè)不是重疊池化的優(yōu)點(diǎn)？A.損失信息少B.減少計(jì)算量C.獲得的圖像特更豐富D才是高卷積神經(jīng)網(wǎng)絡(luò)的正確率正確答案：B5、有關(guān)VGG網(wǎng)絡(luò)的說(shuō)法，以下哪個(gè)說(shuō)法是錯(cuò)誤的？A.多個(gè)3X3小卷積的級(jí)聯(lián)效果與5X5和7X7的大卷積核功能相仿8.卷積層與池化層是一一配對(duì)的C.使用了dropout減少過(guò)擬合D.使用不同數(shù)量的卷積核拼成模塊，同一模塊特征圖的尺寸不變。正確答案：B6、VGG對(duì)圖像的分類準(zhǔn)確度高于AlexNet的原因可能不是下面的哪一項(xiàng)？A.訓(xùn)練次數(shù)多B.更多的隱層（深度大）C.多個(gè)卷積層組成的模塊D.較小的卷積核正確答案：A7、以下卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化的方法正確的是哪個(gè)？A.激活函數(shù)盡量選擇Sigmoid等函數(shù)，提高網(wǎng)絡(luò)的非線性擬合能力B.增加池化層的個(gè)數(shù)可以提高網(wǎng)絡(luò)訓(xùn)練參數(shù)，但降低了網(wǎng)絡(luò)性能C.mini-batch的batch值越大越好D卷積層使用卷積+ReLU+batchnormalization的結(jié)構(gòu)正確答案：B8、對(duì)于GoogLeNet網(wǎng)絡(luò)，以下哪個(gè)說(shuō)法是錯(cuò)誤的？從通過(guò)線性堆疊各種Inception模塊，在不明顯增加網(wǎng)絡(luò)課訓(xùn)練參數(shù)的情況下，提升網(wǎng)絡(luò)的性能B.為適應(yīng)不同大學(xué)的圖形特征的獲取，采用了多種大小的卷積核C.網(wǎng)絡(luò)的寬度和深度都得到了加強(qiáng)，特征獲得更充分D.GoogLeNetL的兩個(gè)輔助分類器的主要目的是增加分類子模型，提高分類準(zhǔn)確度正確答案：D9、ResNet中引入shortcut的功能不包括以下哪一個(gè)？A.減少了計(jì)算量B.改善了網(wǎng)絡(luò)的特征獲取能力C.ResNet的梯度通過(guò)shortcut回到更早的層，緩解了網(wǎng)絡(luò)因?yàn)樯疃仍龃髮?dǎo)致的梯度消失D.引出了殘差模塊，簡(jiǎn)化了學(xué)習(xí)正確答案：A10、ResNet的特點(diǎn)不包括以下哪一點(diǎn)？A.減少深層網(wǎng)絡(luò)的梯度消失問(wèn)題8.特征的重用C.模型參數(shù)明顯增加D.增強(qiáng)特征的獲取能力正確答案：C二、多選題1、對(duì)于卷積神經(jīng)網(wǎng)絡(luò)而言，減少梯度消失可以采用以下哪些方法？A.增大學(xué)習(xí)率B.減少網(wǎng)絡(luò)深度（隱層個(gè)數(shù)）C.skipconnectionD.減少通道數(shù)正確答案：A、B、C2、提高卷積神經(jīng)網(wǎng)絡(luò)分類準(zhǔn)確性，以下哪些方法可能是有效的？A.增強(qiáng)特征獲取能力對(duì)樣本按照一定的方式排序B.增加可調(diào)整參數(shù)的隱層數(shù)目C.使用圖像進(jìn)行旋轉(zhuǎn)、裁剪、拉伸、裁剪等進(jìn)行樣本增強(qiáng)D.采用小卷積核，提高通道的個(gè)數(shù)正確答案：B、C、D3、提升卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的特征獲取能力有效的方法包括以下哪些方面？A.采用shortcut等方式，隨著網(wǎng)絡(luò)層次的加深，減少特征的損失B.多增加池化操作C.同一隱層組合不同大小的卷積核函數(shù)D.采用不同大小的卷積：在開始的卷積層采用大卷積核獲得粗大的特征，然后再后續(xù)的卷積層采用小卷積核獲得細(xì)致的特征正確答案：A、C、D4、以下有關(guān)卷積神經(jīng)網(wǎng)絡(luò)的說(shuō)法哪些是正確的？從卷積神經(jīng)網(wǎng)絡(luò)的特征圖中的特征很容易歸納解釋B.單純?cè)黾泳矸e神經(jīng)網(wǎng)絡(luò)的深度不一定能獲得比較好的性能C.增加卷積神經(jīng)網(wǎng)絡(luò)每層卷積核的多樣性可以改善網(wǎng)絡(luò)的性能D.采用小卷積的級(jí)聯(lián)可以起到大卷積的作用，但減少了網(wǎng)絡(luò)的參數(shù)和過(guò)擬合，因此可能獲得較高的分類性能正確答案：B、C、D5、哪些權(quán)重的取值或調(diào)整方法可以改善卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和性能？A.任意隨機(jī)初始化B.dropoutC.batchnormalizationD.He初始化正確答案：B、D三、判斷題1、交疊池化(即池化核大小比步長(zhǎng)大)可以減少特征圖的信息損失，但增加了計(jì)算量正確答案：V2、batchnormalization(BN)可以改善網(wǎng)絡(luò)訓(xùn)練的穩(wěn)定性，但也會(huì)一定程度上影響卷積神經(jīng)網(wǎng)絡(luò)的分類性能正確答案：V3、卷積神經(jīng)網(wǎng)絡(luò)最后都需要2層或多層全連接層，才能起到分類的功能正確答案：X4、大的卷積核可以獲