关于第九章的问题的疑问
Opened this issue · 3 comments
以下关于CNN中卷积层和池化层的描述正确的是：
A. 卷积层和池化层必须交替出现。
B. 池化层只有最大池化和平均池化两种。
C. 池化层的主要目的之一是为了减少计算复杂度。
D. 卷积层中有许多不同的卷积核，每个卷积核在输入的一部分区域上做运算，合起来覆盖完整的输入。
答：
A. 错误。卷积层和池化层没有固定的顺序。许多CNN架构中，会进行多个卷积层操作后再进行池化操作，或不进行池化。池化的作用是丢弃不重要的信息以提取特征模式。 B. 错误。还有其他池化操作如全局池化、L2范数池化等
C. 正确。池化的主要目的之一就是通过降采样来减少计算复杂度，丢去不重要的信息。
D. 正确。卷积核在一部分区域计算后移动到下一个区域，最后覆盖完整的输入。（类似扫描）不同的卷积核可以学习到不同的特征
疑问：D选项是否为错误？每个卷积核都在输入的全部部分做运算，每个卷积核都会覆盖完整的输入。
以下关于CNN中卷积层和池化层的描述正确的是： A. 卷积层和池化层必须交替出现。 B. 池化层只有最大池化和平均池化两种。 C. 池化层的主要目的之一是为了减少计算复杂度。 D. 卷积层中有许多不同的卷积核，每个卷积核在输入的一部分区域上做运算，合起来覆盖完整的输入。 答： A. 错误。卷积层和池化层没有固定的顺序。许多CNN架构中，会进行多个卷积层操作后再进行池化操作，或不进行池化。池化的作用是丢弃不重要的信息以提取特征模式。 B. 错误。还有其他池化操作如全局池化、L2范数池化等 C. 正确。池化的主要目的之一就是通过降采样来减少计算复杂度，丢去不重要的信息。 D. 正确。卷积核在一部分区域计算后移动到下一个区域，最后覆盖完整的输入。（类似扫描）不同的卷积核可以学习到不同的特征 疑问：D选项是否为错误？每个卷积核都在输入的全部部分做运算，每个卷积核都会覆盖完整的输入。
抱歉比较迟看到问题。
这个属于对文字的理解，我的理解是：
我的D选项的意思就是和您所表达的一样的，卷积核是在图像的一部分上面做运算，然后再扫描到下一个位置，扫描计算完整个图像就是完成对输入的全部部分的运算，即为覆盖完整的输入。
这个问题属于对文字的理解，可能是我对题目理解不对，感谢您的反馈