A.217x217x3
B.217x217x8
C.218x218x5
D.220x220x7
A.卷积中的通道数量只能是1或3
B.池化核大小与步长相等
C.Padding时各方向的填充不一定对称
D.卷积核越小,卷积后的结果越抽象
A.16×16
B.15×15
C.29×29
D.14×14
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
A.使用较小的卷积,并统一卷积核的大小
B.使用定点计算的神经网络代替浮点运算
C.使用ReLU作为非线性激发函数
D.增加网络的深度
A.卷积神经网络的应用
B.移动互联网与云平台的发展,涌现出海量规模的带标签的大数据
C.摩尔定律的长期作用
D.GPU计算能力提升
E.视频游戏的超常发展