CNN卷积神经网络单元测试与答案

一、单选题1、关于深度学习的说法正确的是哪个？A批规范化(batchnormalization)是在不引入新参数的情况下保证每一层网络的输入具有相同的分布B.与Sigmoid函数相比，Relu较不容易使网络产生梯度消失C.梯度下降法实现简单，当目标函数是凸函数时，可基于二阶收敛快速到达目标值D.用Sigmoid激活函数时，如果权重初始化较大或较小时，容易出现梯度饱和梯度消失，可选用Tanh函数改进正确答案：B2、下面关于池化的描述中，错误的是哪个？A.池化的常用方法包括最大化池化、最小化池化、平均化池化、全局池化B.在人脸识别中采用较多池化的原因是为了获得人脸部的高层特征C.池化在CNN中可以减少较多的计算量，加快模型训练D.池化方法可以自定义正确答案：A3、下面关于CNN的描述中，错误的说法是哪个？A.局部感知使网络可以提取数据的局部特征，而权值共享大大降低了网络的训练难度8.卷积核一般是有厚度的，即通道(channel),通道数量越多，获得的特征图(Featuremap)就越多^卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变D.SAME填充（padding）一般是向图像边缘添加0值正确答案：C4、下面关于深度学习网络结构的描述，正确的说法是哪个？A.在不同的网络结构中，层数与神经元数量正相关，层数越多，神经元数量一定越多B.网络结构的层次越深，其学习的特征越多，10层的结构要优于5层的C.深层网络结构中，学习到的特征一般与神经元的参数量有关，也与样本的特征多寡相关D.网络的层次越深，其训练时间越久，5层的网络要比4层的训练时间更长正确答案：C5、假设输入是一个300x300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.27,000,001B.9,000,100C.27,000,100D.9,000,0016、假设输入是一张300x300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.7601B.7600C.7500D.2501正确答案：B7、有一个44x44x16的输入，并使用大小为5x5的32个卷积核进行卷积，步长为1，无填充（nopadding），输出是多少？A.39*39*32B.40*40*32C.44*44*16D.29*29*32正确答案：B8、对于65x65x6的输入特征图，用32个5*5的卷积核（过滤器）进行卷积，步幅为2,padding值为2，得到的特征图大小是哪个？A.32*32*32B.33*33*32C.32*32*5D.65*65*12正确答案：B9、对于32x32x6的输入特征图，使用步长为2，核大小为2的最大池化，请问输出特征图的大小是多少？B.32*32*3C.32*32*6D.16*16*6正确答案：D10、假设一个卷积神经网络，第一个全连接层前的池化层输出为12*12*250，其展开的向量长度为？A.224B.3600C.36000D.3000正确答案：C11、假设某卷积层的输入和输出特征图大小分别为63*63*6和31*31*12，卷积核大小是5*5，步长为2，那么Padding值为多少？A.1B.2C.3D.4正确答案：A12、假设某卷积层的输入特征图大小为36*32*6，卷积核大小是5*3，通道为20个，步长为1，没有padding，那么得到的特征图大小为？A.27*30*20B.36*34*20C.32*28*613、下面哪种操作不能改善卷积网络训练的稳定性？A.冲量项84比归一化(batchnormalization)C.动态的学习步长调整，例如AdamD提高mini-batch中的样本个数正确答案：A14、有关卷积核的大小对卷积神经网络的影响，哪个说法是正确的？A.小的卷积核级联的效果等价于大卷积核的效果，但权重等参数会大大减少B.过大的卷积核对应大量的参数，卷积神经网络不容易出现过拟合C.大的卷积核对应的感受野比较大，更容易获得图像的特征D.小的卷积核可以获得图像比较细致的特征，它们组合起来可能降低网络的分类准确率正确答案：A15、对于神经网络而言，哪个不是输入的标准化的作用？A.使得第一个隐层的输入不至于过大或过小，提高网络训练的收敛速度B.减少网络的过拟合C.减少不同输入特征数据量纲的差别D.降低网络的计算量二、多选题1、以下有关卷积神经网络的说法，哪些是错误的？A卷积核越大，即感受野越大，网络需要优化的参数越少，训练速度越快8.通过增加卷积核的大小和通道的个数，可以提升卷积神经网络特征获取的能力C.共享权重大大减少了参数的个数，降低了网络的复杂度口.卷积核中的取值都是事先人工设计的，在网络的训练过程中不变化正确答案：A、D2、有关通道的说法，哪些说法是正确的？庆在卷积操作时，每个卷积核要对输入特征图的所有通道分别做卷积后求和，得到对应的新特征图8.通道数越多，获得的特征图越多，网络获得的特征越充分^卷积层的输入特征图的通道数和输出特征图的通道数是相同的D.随着卷积网络深度的增加，一般使用更小的卷积核和更多的通道，兼顾训练速度和网络分类性能正确答案：B、D3、下面有关卷积神经网络的说法哪些是正确的？A.在特征图padding时，各方向的填充像素数不一定相同（不对称填充），也不一定补08.在卷积神经网络中，卷积和池化的作用主要是分类，全连接层的作用主要是特征获取^卷积神经网络的输出层不一定用全连接网络，也可能得到比较好的性能口.卷积核的高和宽不一定是相等的，且一般大小取奇数正确答案：A、C、D4、以下哪些方法能改进卷积神经网络的训练质量？A.batchnomalizationB.dropoutC.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D.权重归一化正确答案：A、B、D5、下面关于池