python牛客刷題——深度學習第六彈

！！！個人首頁：個人首頁

！！！推薦一款模拟面試、刷題神器，從基礎到大廠面試題：點選此處進入牛客網注冊學習吧

！！！今日的努力，明日的未來

1.下圖顯示了訓練過的3層卷積神經網絡準确度，與參數數量(特征核的數量)的關系。從圖中趨勢可見，如果增加神經網絡的寬度，精确度會增加到一個特定門檻值後，便開始降低。造成這一現象的可能原因是什麼？

A. 即使增加卷積核的數量，隻有少部分的核會被用作預測
	B. 當卷積核數量增加時，神經網絡的預測能力（Power）會降低
	C. 當卷積核數量增加時，導緻過拟合
	D. 以上都不正确
           

解析：C 過拟合在訓練過程中不會導緻精度下降，隻有在驗證階段，用驗證集和訓練集做對比的時候，會導緻訓練集的精度高于驗證集的精度，導緻模型的泛化能力下降。這道題的C選項單獨作為一個論點是沒有問題的，但是放進題目中就不對。

1. 如果我們用了一個過大的學習速率會發生什麼？

   A. 神經網絡會收斂
    B .不好說
    C. 都不對
    D. 神經網絡不會收斂
              

解析：D 學習率過大，會使得疊代時，越過最低點。

3.caffe中基本的計算單元為（）

A . blob
	B. layer
	C. net
	D. solver
           

解析：B Blob是一個模闆類，聲明在include/caffe/blob.hpp中，分裝了SyncedMemory類，作為基本計算單元服務Layer、Net、Solver等，在記憶體中是4維數組，次元從低到高（width_,height_,channels_,num_），用來存儲資料或權值（data）和權值增量（diff），在進行網絡計算時，每層的輸入和輸出都需要通過Blob對象緩沖。Blob是Caffe的基本存儲單元。

Layer Layer是Caffe的基本計算單元，至少有一個輸入Blob和一個輸出Blob，部分Layer帶有權值（Weight）和偏執項（Bias），有兩個運算方向，前向傳播（Forward）和反向傳播（BackWard）

4.下列哪些項所描述的相關技術是錯誤的？

A. AdaGrad使用的是一階差分(first order differentiation)
	B. L-BFGS使用的是二階差分(second order differentiation)
	C. AdaGrad使用的是二階差分
           

解析：C AdaGrad是梯度下降法，用的是一階導數資訊，L-BFGS是拟牛頓法，在牛頓法的基礎上發展而來的，用到了二階導數資訊。

5.在CNN網絡中，圖A經過核為3x3，步長為2的卷積層，ReLU激活函數層，BN層，以及一個步長為2，核為22的池化層後，再經過一個33的的卷積層，步長為1，此時的感受野是（）

A. 10
	B. 11
	C. 12
	D. 13
           

解析：D 感受野的意思是現在的一個像素對應原來的多少個像素

倒着推導： “再經過一個33的的卷積層，步長為1”得到的一個像素對應原來33個像素 “33像素對應 “一個步長為2，核為22的池化層” 之前的 66或者77 在倒推 對應 第一次卷積“核為3x3，步長為2的卷積層”之前的 1313或者1414或者1515或者1616 答案中隻有13，是以選13