sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第四周测验

课程4_第4周_测验题

目录

第一题

1.面部验证只需要将新图片与1个人的面部进行比较,而面部识别则需要将新图片与K个人的面部进行比较。

A. 【  】正确

B. 【  】错误

答案:

A.【 √ 】正确

第二题

2.在人脸验证中函数d(img1,img2)起什么作用?

A. 【  】只需要给出一个人的图片就可以让网络认识这个人

B. 【  】为了解决一次学习的问题

C. 【  】这可以让我们使用softmax函数来学习预测一个人的身份,在这个单元中分类的数量等于数据库中的人的数量加1

D. 【  】鉴于我们拥有的照片很少,我们需要将它运用到迁移学习中

答案:

A.【 √ 】只需要给出一个人的图片就可以让网络认识这个人

B.【 √ 】为了解决一次学习的问题

第三题

3.为了训练人脸识别系统的参数,使用包含了10万个不同的人的10万张图片的数据集进行训练是合理的。

A. 【  】正确

B. 【  】错误

答案:

B.【 √ 】错误

第四题

4.下面哪个是三元组损失的正确定义(请把 α \alpha α也考虑进去)?

A. 【  】 m a x ( ∥ f ( A ) − f ( P ) ∥ 2 − ∥ f ( A ) − f ( N ) ∥ 2 + α , 0 ) max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2+\alpha,0) max(∥f(A)−f(P)∥2−∥f(A)−f(N)∥2+α,0)

B. 【  】 m a x ( ∥ f ( A ) − f ( N ) ∥ 2 − ∥ f ( A ) − f ( P ) ∥ 2 + α , 0 ) max(\left \|f(A)−f(N)\right \|^2−\left \|f(A)−f(P)\right \|^2+\alpha,0) max(∥f(A)−f(N)∥2−∥f(A)−f(P)∥2+α,0)

C. 【  】 m a x ( ∥ f ( A ) − f ( N ) ∥ 2 − ∥ f ( A ) − f ( P ) ∥ 2 − α , 0 ) max(\left \|f(A)−f(N)\right \|^2−\left \|f(A)−f(P)\right \|^2-\alpha,0) max(∥f(A)−f(N)∥2−∥f(A)−f(P)∥2−α,0)

D. 【  】 m a x ( ∥ f ( A ) − f ( P ) ∥ 2 − ∥ f ( A ) − f ( N ) ∥ 2 − α , 0 ) max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2-\alpha,0) max(∥f(A)−f(P)∥2−∥f(A)−f(N)∥2−α,0)

答案:

A.【 √ 】 m a x ( ∥ f ( A ) − f ( P ) ∥ 2 − ∥ f ( A ) − f ( N ) ∥ 2 + α , 0 ) max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2+\alpha,0) max(∥f(A)−f(P)∥2−∥f(A)−f(N)∥2+α,0)

第五题

5.在下图中的孪生卷积网络(Siamese network)结构图中,上下两个神经网络拥有不同的输入图像,但是其中的网络参数是完全相同的。

A. 【  】正确

B. 【  】错误

答案:

A.【 √ 】正确

第六题

6.你在一个拥有100种不同的分类的数据集上训练一个卷积神经网络,你想要知道是否能够找到一个对猫的图片很敏感的隐藏节点(即在能够强烈激活该节点的图像大多数都是猫的图片的节点),你更有可能在第4层找到该节点而不是在第1层更有可能找到。

A. 【  】正确

B. 【  】错误

答案:

A.【 √ 】正确

第七题

7.神经风格转换被训练为有监督的学习任务,其中的目标是输入两个图像 (x),并训练一个能够输出一个新的合成图像(y)的网络。

A. 【  】正确

B. 【  】错误

答案:

B.【 √ 】错误

第八题

8.在一个卷积网络的深层,每个通道对应一个不同的特征检测器,风格矩阵 G [ l ] G^{[l]} G[l]度量了l层中不同的特征探测器的激活(或相关)程度。

A. 【  】正确

B. 【  】错误

答案:

A.【 √ 】正确

第九题

9.在神经风格转换中,在优化算法的每次迭代中更新的是什么?

A. 【  】神经网络的参数

B. 【  】生成图像G的像素值

C. 【  】正则化参数

D. 【  】内容图像C的像素值

答案:

B.【 √ 】生成图像G的像素值

第十题

10.你现在用拥有的是3D的数据,现在构建一个网络层,其输入的卷积是32×32×32×1632×32×32×16(此卷积有16个通道),对其使用3232个3×3×33×3×3的过滤器(无填充,步长为1)进行卷积操作,请问输出的卷积是多少?

A. 【  】30×30×30×32

B. 【  】不能操作,因为指定的维度不匹配,所以这个卷积步骤是不可能执行的

C. 【  】30×30×30×16

答案:

A.【 √ 】30×30×30×32

相关推荐
格林威4 小时前
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现卫星图像识别(C#代码,UI界面版)
人工智能·深度学习·数码相机·yolo·计算机视觉
宇称不守恒4.015 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
码字的字节16 小时前
深度学习损失函数的设计哲学:从交叉熵到Huber损失的深入探索
深度学习·交叉熵·huber
凪卄121316 小时前
图像预处理 二
人工智能·python·深度学习·计算机视觉·pycharm
碳酸的唐17 小时前
Inception网络架构:深度学习视觉模型的里程碑
网络·深度学习·架构
AI赋能17 小时前
自动驾驶训练-tub详解
人工智能·深度学习·自动驾驶
seasonsyy17 小时前
1.安装anaconda详细步骤(含安装截图)
python·深度学习·环境配置
deephub17 小时前
AI代理性能提升实战:LangChain+LangGraph内存管理与上下文优化完整指南
人工智能·深度学习·神经网络·langchain·大语言模型·rag
go546315846517 小时前
基于深度学习的食管癌右喉返神经旁淋巴结预测系统研究
图像处理·人工智能·深度学习·神经网络·算法
Blossom.11817 小时前
基于深度学习的图像分类:使用Capsule Networks实现高效分类
人工智能·python·深度学习·神经网络·机器学习·分类·数据挖掘