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
IT古董7 小时前
【第七章:时间序列模型】2.时间序列统计模型与神经网络模型-(3)神经网络预测时间序列模型: 从RNN,LSTM到nbeats模型
rnn·神经网络·lstm
机器学习ing.8 小时前
U-Net保姆级教程:从原理到医学细胞分割实战(PyTorch版)!
人工智能·pytorch·python·深度学习·机器学习
HyperAI超神经9 小时前
在线教程丨端侧TTS新SOTA!NeuTTS-Air基于0.5B模型实现3秒音频克隆
人工智能·深度学习·机器学习·音视频·tts·音频克隆·neutts-air
CoovallyAIHub10 小时前
OCR战场再起风云:LightOnOCR-1B凭什么比DeepSeekOCR快1.7倍?(附演示开源地址)
深度学习·算法·计算机视觉
Danceful_YJ10 小时前
24.全连接卷积神经网络(FCN)
人工智能·神经网络·语义分割·fcn
武子康11 小时前
AI研究-120 DeepSeek-OCR 从 0 到 1:上手路线、实战要点
人工智能·深度学习·机器学习·ai·ocr·deepseek·deepseek-ocr
大千AI助手11 小时前
LIFT:基于低秩引导的稀疏微调
人工智能·神经网络·lora·大模型·lift·大千ai助手·稀疏微调
L.EscaRC11 小时前
【AI基础篇】Transformer架构深度解析与前沿应用
人工智能·深度学习·transformer
化作星辰11 小时前
四层神经网络案例(含反向传播)
人工智能·深度学习·神经网络
TYUT_xiaoming11 小时前
ubuntu22.04 GPU环境安装mindspore
linux·人工智能·深度学习