《动手学》：卷积神经网络进阶_课后作业

深度卷积神经网络（AlexNet）

LeNet: 在大的真实数据集上的表现并不尽如⼈意。

1.神经网络计算复杂。

2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。

机器学习的特征提取:手工定义的特征提取函数

神经网络的特征提取：通过学习得到数据的多级表征，并逐级表⽰越来越抽象的概念或模式。

神经网络发展的限制:数据、硬件

具体内容(附代码)链接：https://www.kesci.com/org/boyuai/project/share/8faa0634d57401ac

代码讲解视频链接：伯禹学习平台

---

选择题

1.

关于AlexNet描述错误的是

A.用Dropout来控制全连接层的模型复杂度

B.包含有5层卷积和2层全连接隐藏层，以及1个全连接输出层

C.将LeNet中的ReLU激活函数改成了sigmoid激活函数。

D.首次证明了学习到的特征可以超越⼿⼯设计的特征

答案：C

LeNet中的sigmoid激活函数改成了ReLU激活函数。

2.

下列哪个网络串联多个由卷积层和“全连接”层构成的小⽹络来构建⼀个深层⽹络

A.AlexNet

B.VGG

C.NiN

D.GoogLeNet

答案：C

3.

下列模型不是由基础块重复堆叠而成的是

A. AlexNet

B. VGG

C. NiN

D. GoogLeNet

答案：A

选项B：正确，由VGG block组成。

选项C：正确，由NiN block组成。

选项D：正确，由Inception组成。

4.

通道数为3，宽高均为224的输入，经过一层输出通道数为96，卷积核大小为11，步长为4，无padding的卷积层后，得到的feature map的宽高为

A.96

B.54

C.53

D.224

答案：B

5.

关于VGG描述正确的是

A.使⽤全局平均池化层对每个通道中所有元素求平均并直接⽤于分类。

B.通过不同窗口形状的卷积层和最⼤池化层来并⾏抽取信息。

C.与AlexNet相比，难以灵活地改变模型结构。

D.通过重复使⽤简单的基础块来构建深度模型。

答案：D

选项A：错误，描述的是NiN。

选项B：错误，描述的是GoogLeNet。

选项C：错误，VGG相对AlexNet网络表达能力更强。

选项D：正确，参考VGG结构。

.