sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第四周测验

本文主要是介绍sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第四周测验，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

课程4_第4周_测验题

目录

第一题

1.面部验证只需要将新图片与1个人的面部进行比较，而面部识别则需要将新图片与K个人的面部进行比较。

A. 【  】正确

B. 【  】错误

答案：

A.【 √ 】正确

第二题

2.在人脸验证中函数d(img1,img2)起什么作用？

A. 【  】只需要给出一个人的图片就可以让网络认识这个人

B. 【  】为了解决一次学习的问题

C. 【  】这可以让我们使用softmax函数来学习预测一个人的身份，在这个单元中分类的数量等于数据库中的人的数量加1

D. 【  】鉴于我们拥有的照片很少，我们需要将它运用到迁移学习中

答案：

A.【 √ 】只需要给出一个人的图片就可以让网络认识这个人

B.【 √ 】为了解决一次学习的问题

第三题

3.为了训练人脸识别系统的参数，使用包含了10万个不同的人的10万张图片的数据集进行训练是合理的。

A. 【  】正确

B. 【  】错误

答案：

B.【 √ 】错误

第四题

4.下面哪个是三元组损失的正确定义（请把$\alpha$也考虑进去）？

A. 【  】$max({\Vert f(A)-f(P)\Vert }^2-{\Vert f(A)-f(N)\Vert }^2+\alpha ,0)$

B. 【  】$max({\Vert f(A)-f(N)\Vert }^2-{\Vert f(A)-f(P)\Vert }^2+\alpha ,0)$

C. 【  】$max({\Vert f(A)-f(N)\Vert }^2-{\Vert f(A)-f(P)\Vert }^2-\alpha ,0)$

D. 【  】$max({\Vert f(A)-f(P)\Vert }^2-{\Vert f(A)-f(N)\Vert }^2-\alpha ,0)$

答案：

A.【 √ 】$max({\Vert f(A)-f(P)\Vert }^2-{\Vert f(A)-f(N)\Vert }^2+\alpha ,0)$

第五题

5.在下图中的孪生卷积网络(Siamese network)结构图中，上下两个神经网络拥有不同的输入图像，但是其中的网络参数是完全相同的。

A. 【  】正确

B. 【  】错误

答案：

A.【 √ 】正确

第六题

6.你在一个拥有100种不同的分类的数据集上训练一个卷积神经网络，你想要知道是否能够找到一个对猫的图片很敏感的隐藏节点（即在能够强烈激活该节点的图像大多数都是猫的图片的节点），你更有可能在第4层找到该节点而不是在第1层更有可能找到。

A. 【  】正确

B. 【  】错误

答案：

A.【 √ 】正确

第七题

7.神经风格转换被训练为有监督的学习任务，其中的目标是输入两个图像 (x)，并训练一个能够输出一个新的合成图像(y)的网络。

A. 【  】正确

B. 【  】错误

答案：

B.【 √ 】错误

第八题

8.在一个卷积网络的深层，每个通道对应一个不同的特征检测器，风格矩阵$G^{[l]}$度量了l层中不同的特征探测器的激活（或相关）程度。

A. 【  】正确

B. 【  】错误

答案：

A.【 √ 】正确

第九题

9.在神经风格转换中，在优化算法的每次迭代中更新的是什么？

A. 【  】神经网络的参数

B. 【  】生成图像G的像素值

C. 【  】正则化参数

D. 【  】内容图像C的像素值

答案：

B.【 √ 】生成图像G的像素值

第十题

10.你现在用拥有的是3D的数据，现在构建一个网络层，其输入的卷积是32×32×32×1632×32×32×16（此卷积有16个通道），对其使用3232个3×3×33×3×3的过滤器（无填充，步长为1）进行卷积操作，请问输出的卷积是多少？

A. 【  】30×30×30×32

B. 【  】不能操作，因为指定的维度不匹配，所以这个卷积步骤是不可能执行的

C. 【  】30×30×30×16

答案：

A.【 √ 】30×30×30×32

这篇关于sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第四周测验的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---