题目内容

如果一个输入特征图维度为（28，28，3），通过一个窗口大小为2×2，步长为2，不填充的池化层后，输出特征图的维度为：（）

A. （14，14，3）
B. （28，28，3）
C. （14，14，1）
D. （7，7，3）

查看答案

搜索结果不匹配？点我反馈

更多问题

卷积神经网络能够对图像进行特征提取，因为其有两个优秀的特性，分别是（）

A. 运算速度快
B. 卷积核的平移不变性
C. 内存消耗小
D. 能学习空间层次结构

查看答案

如果卷积神经网络的输入数据集维度为（10000，128，128，3），表示数据集中图片的高和宽为___像素，数据集样本总数为_,每个样本图片有______个通道。

查看答案

如果某卷积层的配置如下：keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1))表示该卷积层有32个卷积核，每个卷积核大小均为3×3，激活函数为relu，输入图片维度为（28，28，1）填充模式为全零填充。

A. 对
B. 错

查看答案

第十三届全国人民代表大会

A. the 13th National People’s Session ofthe People’s Republic of China
B. the 13th National People’s Congress ofthe People’s Republic of China
C. the 13th National People’s Congress ofthe People’s Republic

查看答案

如果一个输入特征图维度为（28，28，3），通过一个窗口大小为2×2，步长为2，不填充的池化层后，输出特征图的维度为：（）

A. （14，14，3） B. （28，28，3） C. （14，14，1） D. （7，7，3）

卷积神经网络能够对图像进行特征提取，因为其有两个优秀的特性，分别是（）

如果卷积神经网络的输入数据集维度为（10000，128，128，3），表示数据集中图片的高和宽为_______像素，数据集样本总数为_______,每个样本图片有________个通道。

如果某卷积层的配置如下：keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1))表示该卷积层有32个卷积核，每个卷积核大小均为3×3，激活函数为relu，输入图片维度为（28，28，1）填充模式为全零填充。

第十三届全国人民代表大会

A. （14，14，3）
B. （28，28，3）
C. （14，14，1）
D. （7，7，3）

如果卷积神经网络的输入数据集维度为（10000，128，128，3），表示数据集中图片的高和宽为___像素，数据集样本总数为_,每个样本图片有______个通道。