机器学习期末测试练习题4
-
1
、在神经网络模型
VggNet
中，使用两个级联的卷积核大小为
3
×
3
，
stride=1<
/p>
的卷积层代替了一个
5
×
5
的卷积层，如果将
stride
设置
为
2
，则此时感受野为
A.7×7
B.9×9
C.5×5
D.8×8
正确答案：
A
2
、
上图是具有四个隐藏层的神经网络，该网络使用
sigmoid
函数作为
激活函数，训练过程出现了梯度消失问题。从图中可以判断
出四个
隐藏层的先后顺序（靠近输入端的为先，靠近输出端的为后）分别
为
正确答案：
D
3
、在网络训练时，
loss
在最初几个
epoch
没有下降，可能原因是
A.
学习率过低
B.
以下都有可能
C.
正则参数过高
D.
陷入局部最小值
正确答案：
B
4
、假设有一个三分类问题，某个样本的标签为（
1
，
0
，
0
），模型
的预测结果为（
0.5
，
< br>0.4
，
0.1
），则交叉熵损
失值（取自然对数结
果）约等于
A.0.6
B.0.7
C.0.8
D.0.5
正确答案：
B
5
、
IoU
是物体检测、语义分割领域中的结果评测指标之一，上图中<
/p>
A
框是物体的真实标记框，面积为
8
。
B
框是网络的检测结果，面积为
7
。两个框的重合区域面积为
2
。则
IoU
的值为
A.2/8
B.2/13
C.2/7
D.2/15
正确答案：
B
6
、
Gra
m
矩阵是深度学习领域常用的一种表示相关性的方法，在风
格迁
移任务中就使用风格
Gram
矩阵来表示图像的风格特征，以下
关
于风格
Gram
矩阵的论述正确的是
A.
风格
G
ram
矩阵的大小与输入特征图的通道数、宽、高都不相关
<
/p>
B.
风格
Gram
矩阵的大小只与输入特征图的通道数相关
C.
风格
Gram
矩阵的大小与输入特征图的通道数、宽
、高都相关
D.
风格
Gram
矩阵的大小只与输入特征图的宽、高有关
正确答案：
B
7
、现使用
YOLO
网络进行目标检测，待检测的物体种类为
20
种，输
入图像被划分成
7*7
个格子，每个格子生成
2
< br>个候选框，则
YOLO
网
络最终
的全连接层输出维度为
A.1078
B.980
C.1470
D.1960
正确答案：
C
二、多选题
1
、池化层在卷积神经网络中扮演了重要的角色，下列关于池化层的
论述正确的有
A.
池化操作具有平移不变性
B.
池化操作可以实现数据的降维
C.
池化操作是一种线性变换
D.
池化操作可以扩大感受野
正确答案：
A
、
B<
/p>
、
D
2
、以下
关于
MaxPooling
和
Mean
Pooling
的论述正确的有
A.
尺度为（
2
，
2
），
stride=2
的
MaxPooling
层在梯度后向传播中，
后层
的梯度值传递给前层对应的最大值位置。
B.
尺度为（
2
，
2
），
stride=2
的
M
eanPooling
层在梯度后向传播中，
后层的梯度值等额
传递给前层的对应位置。
C.
尺度为
（
2
，
2
），
stride=2
的
MaxPooli
ng
层在梯度后向传播中，
后层的梯度值除以
< br>4
后传递给前层的相关位置。
D.
尺度为（
2
，
2
），
stride=2
的
MeanPooling
层在梯度后向传播中，
后层的梯度值除以
4
后传递给前层的相关位置。
正确答案：
A
、
D
3
、为网络添加
B
N
层能够一定程度上解决梯度弥散的问题，加快模
型的收敛速度
。根据
BN
层的算法原理，判断以下关于
BN
层的叙述
正确的有
A.
对输入数据进行一定程度的缩小或放大操作，将不会影响
BN
层的
输出
B.
在网络测试阶段，
BN
层的输出数据会被归一化，均值为
0
，方差
< br>为
1