题目内容
(请给出正确答案)
[单选题]
假设我们需要训练一个卷积神经网络,来完成500种概念的图像分类。该卷积神经网络做好一层是分类层,则最后一层输出向量的维数大小可能是()
A.1
B.500
C.300
D.100
查看答案
如果结果不匹配,请 联系老师 获取答案
A.1
B.500
C.300
D.100
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络,降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担,这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化,提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
A.卷积矩阵(卷积核)
B.网络层数
C.目标函数
D.输入端和输出端的维数
假设你有一个非常大的训练集合,如下机器学习算法中,你觉着有哪些是能够使用map-reduce框架并能将训练集划分到多台机器上进行并行训练的()。
A.逻辑斯特回归(LR),以及随机梯度下降(SGD)
B.线性回归及批量梯度下降(BGD)
C.神经网络及批量梯度下降(BGD)
D.针对单条样本进行训练的在线学习
A.Softmax函数
B.SoftPlus函数
C.Sigmoid函数
D.Relu函数
A.因为它可以被用做监督学习
B.严格意义上它比卷积神经网络(CNN)效果更好
C.它比较适合用于当输入/输出是一个序列的时候(例如.一个单词序列)
D.RNNs代表递归过程.想法->编码->实验->想法->…