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3X3,stride=1的卷积层代替了一个5X5的卷积层，如果将stride设置为2，则此时感受野为7X79X95X58X8正确答案：A2、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DBCAABCDADCBDCBA正确答案：D3、在网络训练时，loss在最初几个epoch没有下降，可能原因是以下都有可能正则参数过高陷入局部最小值正确答案：B4、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（0.5，0.4，0.1），则交叉熵损失值（取自然对数结果）约等于0.60.70.80.5正确答案：B5、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2/82/132/72/15正确答案：B6、Gram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风格Gram矩阵的大小与输入特征图的通道数、宽、高都不相关风格Gram矩阵的大小只与输入特征图的通道数相关风格Gram矩阵的大小与输入特征图的通道数、宽、高都相关风格Gram矩阵的大小只与输入特征图的宽、咼有关正确答案：B7、现使用YOL0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个候选框，则YOL0网络最终的全连接层输出维度为TOC\o"1-5"\h\z107898014701960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池化操作具有平移不变性池化操作可以实现数据的降维池化操作是一种线性变换池化操作可以扩大感受野正确答案：A、B、D2、以下关于MaxPooling和MeanPooling的论述正确的有尺度为（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。尺度为（2，2），stride=2的MeanPooling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。尺度为（2，2），stride=2的MaxPooling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。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、D3、为网络添加BN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，方差为1在卷积层之后直接使用BN层，卷积层可以不设置bias假设某个2d的BN层，其输入通道数为n则该BN层会有n组线性变换因子正确答案：A、C、D4、近几年空洞卷积在视觉任务中得到了广泛的应用，下面是空洞卷积的一张示例图。请结合空洞卷积的设计原理，判断以下论述正确的有当参数量相同时，空洞卷积的感受野比常规卷积的感受野大将空洞卷积的dilatationrate设置为1，此时空洞卷积就相当于常规卷积dilatationrate越大，空洞卷积捕获的像素点之间的相关性越高当训练集的图像中包含的物体绝大多数都是小物体时，可以将网络中空洞卷积的dilatationrate设置的更大，来提升效果正确答案：A、B5、以下任务中，哪些是多对一的RNN结构语音识别（输入一串语音，输出对应语音的文字）情感分类（输入一段文字，输出0或者1表示正面或负面情绪）人声性别识别（输入一串语音，输出说话人的性别）图像分类（输入一张图像，输出该图像的标签）正确答案：B、C6、下列关于r-cnn网络的描述正确的有非极大值抑制（NMS）算法被用来合并、易除各个候选框在r-cnn网络中，初步获取的上千个候选框可以不进行尺度缩放,直接输送到下一步的特征提取cnn中r-cnn网络中，经过cnn和svm后，会得到候选框的中心坐标（x,y）和候选框的长宽（h,w）得到目标候选框的信息后，还需要经过平移和尺度变换两个操作来获取最终的估计框正确答案：A、C、D7、以下关于目标检测算法的论述正确的有YOLO网络只需要一次推断就可以输出图像中物体的位置、所属类别rcnn、fast-rcnn、faster-rcnn算法都需要额外的selectivesearch模块来捕获候选框YOLO网络的思路是将输入图像划分成固定的s*s个格子，每个格子输出b个BBoxrcnn、fast-rcnn、faster-rcnn算法本质上都是将目标检测分成了两个任务，目标框分类和矩形框回归。正确答案：A、C、D8、以下叙述正确的有RNN的短期记忆问题是由其梯度消失问题造成的lstm网络具有三个门，遗忘门，输入门，输出门语义分割任务是像素级别的任务，需要对每个像素进行分类。FCN网络使用一组1X1的2d卷积层来实现各个featuremap之间的“全连接”正确答案：A、B、C、D三、判断题1、训练CNN时，可以对输入数据进行旋转、平移、缩放等预处理操作来提高模型的泛化能力。（V）2、使用FCN做语义分割任务，采用的数据集共有10类物体，编码为0-9，则网络最后一层的通道数应该设置为1，每个像素上的值为网络预测的该像素点所属类别的编码。（X）3、在训练GAN网络时，生成器的输出无论优劣，其label都被设置为0（即伪造的数据）。（V）4、GAN网络的监督器达到最优的条件是给出的真伪概率都为0.5。（V）5、由于GAN网络采用了零和博弈的设计思想，所以这种网络总是能稳定的收敛。（X）6、在训练GAN网络时，监督器和生成器同步训练。（X）7、GAN网络是一种有监督学习算法。（X）8、基于编码-解码网络的风格迁移算法是一种有监督学习算法。（X）9、在fast-rcnn网络中，ROIPoolinglayer负责将各个大小不同的矩形框统一池化成大小相同的矩形特征。（V）10、fast-rcnn网络将矩形框信息回归（BBOxregression）和候选框分类（region）两个任务合并到了一个模块里，并设计了一个multi-taskloss°（V）四、填空题1、现有一个两层的卷积神经网络，第一层是常规的卷积层，输入输出的通道数为3和64，卷积核大小为3X3；第二层是分组卷积层（groupconvolutionlayer），分为4组