课堂互动 显示答案 | 返回首页 作者：欧新宇（Xinyu OU）
最后更新：2025-01-03
1.（多选）在卷积神经网络中，大多数参数来源于（）。
A. 卷积层
B. 卷积层与池化层之间
C. 卷积层与全连接层的交接处
D. 全连接层
2.（多选）在NiN网络中，1×1卷积的功能包括（）。
A. 增加模型的非线性性
B. 提供更多种类的特征，即增加特征的多样性
C. 对单通道特征进行融合，生成复合特征
D. 减少网络的参数数量
3.（多选）在NiN网络中，使用了以下哪些功能层？
A. 平均池化层（Mean-Pooling）
B. 最大池化层（Max-Pooling Layer）
C. 卷积层（Convolution Layer）
D. 全局平均池化层（Global Average Pooling Layer）
E. 全连接层（Fully-Connection Layer）
4.（多选）以下对神经网络模型特性的描述种，符合NiN模型的包括（）。
A. 随着网络深度的加深，特征图的尺度逐渐变大
B. 语义信息越强的层次，特征通道数量越多
C. 交替使用NiN网络和最长为3的最大池化层来构建模型
D. NiN模型使用全卷积架构来实现特征提取，因此除最后的Softmax外，只存在卷积层
E. NiN模型最重要的设计初衷是解决全连接层参数过多的问题
1. GoogLeNet使用并行的思路设计了Inception模块，并联了多个不同感知域的卷积层和池化层，这种方法有效组合了不同视野下特征，起到了特征互补的作用。
A. 正确
B. 错误
2. 在GoogLeNet中，使用1×1卷积的瓶颈设计通过减少特征通道的数量，实现了（）。
A. 计算复杂性的降低
B. 参数数量的减少
C. 模型判别能力的提高
D. 模型结构的简化
3.（多选）在GoogLeNetV1的Inception模块中，融合了以下哪几种尺度的卷积层？
A. 1×1卷积
B. 3×3卷积
C. 5×5卷积
D. 7×7卷积
E. 11×11卷积
4. 以下以卷积为核心的功能层/模块中，计算复杂度最高(FLOPS)的模块和最低的模块分别是（）。
A. 3×3卷积 基本Inception模块
B. 5×5卷积 基本Inception模块
C. 3×3卷积 带瓶颈设计的Inception模块
D. 5×5卷积 带瓶颈设计的Inception模块
1. 下列模型中，参数数量最少的模型是（）。
A. AlexNet
B. VGGNet
C. GoogLeNet
D. ResNet
2. VGGNet和GoogLeNet模型的设计都没有超过30层，这有利的证明了深度学习中的“深度”的上限不超过30层。
A. 正确
B. 错误
3. 在标准的GoogLeNetV1中总共包含（）层（有权重参数的层）。
A. 16
B. 19
C. 22
D. 37
4. 在GoogLeNet中，前后两个相邻的卷积层组的特征图尺度间的关系是（）。
A. 尺度保持不变
B. 尺度缩小一半
C. 尺度放大一倍
D. 无法确定