返回课程
下一页
互动测验
测试你的知识!
1
残差连接在深度神经网络中主要解决什么问题?
A
通过减少参数数量来防止过拟合(overfitting)。
B
通过允许网络更容易学习接近恒等函数的函数,从而促进优化。
C
增大输入图像的尺寸以提高分辨率。
D
完全用池化操作取代卷积操作。
2
在经典的 ResNet 块中,当输出通道数与输入通道数不同时,如何调整残差连接?
A
仅应用池化操作。
B
使用 1x1 卷积来调整通道数量。
C
复制输入通道以匹配输出通道数量。
D
在求和之前使用额外的激活函数。
3
基本 ResNet 块与瓶颈(bottleneck)块之间的主要区别是什么?
A
瓶颈块使用的 1x1 卷积比基本块少。
B
瓶颈块包含更多卷积,但通过 1x1 卷积实现更高效。
C
瓶颈块不包含残差连接。
D
瓶颈块仅用于浅层网络。
4
为什么在 ResNet 块中,激活函数(如 ReLU)是在残差部分相加之后才应用?
A
将整个块视为一个完整层,具有其自身的非线性。
B
在相加之前对值进行归一化。
C
减少张量的维度。
D
避免求和结果总是为零。
5
根据研究,残差连接在训练过程中对损失函数(loss)有什么影响?
A
使损失函数变得更复杂且非凸。
B
平滑损失函数,从而促进优化。
C
提高最优学习率。
D
不改变损失函数的形状。
Score: 0/5
得分: 0/5