下面关于深度学习的描述,哪个说法是错误的?
A.池化在CNN中可以减少较多的计算量,加快模型训练
B.通道数量越多,获得的特征图也就越多
C.网络的层次越深,其训练时间越久,5层的网络要比4层的训练时间更长
D.网络结构的层次越深,其学习的特征可能越多,性能可能越好
A.池化在CNN中可以减少较多的计算量,加快模型训练
B.通道数量越多,获得的特征图也就越多
C.网络的层次越深,其训练时间越久,5层的网络要比4层的训练时间更长
D.网络结构的层次越深,其学习的特征可能越多,性能可能越好
A.神经元感知器是一种简单的前馈式神经网络
B.神经元感知器可以接收n个输入,对应n个权重值
C.神经元感知器接收的n个输入对应n个偏置值
D.神经元感知器经过激活函数变换后输出结果
A.网中网(NIN)结构用全连接的多层感知机去代替传统的卷积,提升了模型的计算性能,但计算量显著增加
B.网络层数越多,学习率可设置偏大,否则容易引起梯度消失
C.VGG只要很少的迭代次数就会收敛,这是因为小的过滤尺寸起到了隐式的正则化的作用
D.Bagging中每个训练集互不相关,而Boosting中训练集要在上一轮的结果上进行调整,所以不能并行计算
A.HTML文档使用标签规定信息的显示格式
B.HTML语言是描述文档结构的语言
C.HTML文档显示一个图象时,文档包含这个图象文件的二进制信息
D.HTML语言是标记语言
A.激活函数需要具有线性可微的特点
B.Sigmoid函数的导数是非零的,很容易计算
C.Sigmoid函数的输出值域是对称的
D.ReLU函数主要缺点是相比于Sigmoid、Tanh函数其计算低效
A.候选框数量越多,目标检测的性能越强,耗时越短
B.非极大抑制(NMS)主要是提高模型检测的效率
C.IoU交并比主要是验证了目标检测的准确度
D.IoU的值越小,表示物体预测越准确