总结
习题
第 101 题
你认为把下面这个过滤器应用到灰度图像会怎么样？
A.会检测45度边缘
B.会检测垂直边缘
C.会检测水平边缘
D.会检测图像对比度
第 102 题
假设你的输入是一个300×300的彩色（RGB）图像，而你没有使用卷积神经网络。 如果第一个隐藏层有100个神经元，每个神经元与输入层进行全连接，那么这个隐藏层有多少个参数（包括偏置参数）？
A.9,000,001
B.9,000,100
C.27,000,001
D.27,000,100
第 103 题
假设你的输入是300×300彩色（RGB）图像，并且你使用卷积层和100个过滤器，每个过滤器都是5×5的大小，请问这个隐藏层有多少个参数（包括偏置参数）？
A.2501
B.2600
C.7500
D.7600
第 104 题
你有一个63x63x16的输入，并使用大小为7x7的32个过滤器进行卷积，使用步幅为2和无填充，请问输出是多少？
A.29x29x32
B.16x16x32
C.29x29x16
D.16x16x16
第 105 题
你有一个15x15x8的输入，并使用“pad = 2”进行填充，填充后的尺寸是多少？
A.17x17x10
B.19x19x8
C.19x19x12
D.17x17x8
第 106 题
你有一个63x63x16的输入，有32个过滤器进行卷积，每个过滤器的大小为7x7，步幅为1，你想要使用“same”的卷积方式，请问pad的值是多少？
A.1
B.2
C.3
D.7
第 107 题
你有一个32x32x16的输入，并使用步幅为2、过滤器大小为2的最大化池，请问输出是多少？
A.15x15x16
B.16x16x8
C.16x16x16
D.32x32x8
第 108 题
因为池化层不具有参数，所以它们不影响反向传播的计算。
A.对 B.不对
第 109 题
在视频中，我们谈到了“参数共享”是使用卷积网络的好处。关于参数共享的下列哪个陈述是正确的？（选出所有正确项）
A.它减少了参数的总数，从而减少过拟合。
B.它允许在整个输入值的多个位置使用特征检测器。
C.它允许为一项任务学习的参数即使对于不同的任务也可以共享（迁移学习）。
D.它允许梯度下降将许多参数设置为零，从而使得连接稀疏。
第 110 题
在课堂上，我们讨论了“稀疏连接”是使用卷积层的好处。这是什么意思?
A.正则化导致梯度下降将许多参数设置为零。
B.每个过滤器都连接到上一层的每个通道。
C.下一层中的每个激活只依赖于前一层的少量激活。
D.卷积网络中的每一层只连接到另外两层。
101-110题 答案
101.B 102.D 103.B 104.A 105.B 106.C 107.C 108.B 109.BD 110.C
