《Python编程与计算机视觉应用》习题及参考答案第7章习题参考答案.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

7-1如何使卷积层的输入和输出相同？

卷积层的filter个数与输入特征深度相同、适当使用填充功能

7-2全连接层对模型的影响？

全连接层在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。

7-3池化层的作用是什么？

池化可以降低卷积层的输入特征维度进而提高卷积神经网络的泛化能力

7-4图片分类中，CNN相对于全连接的DNN有什么优势？

（1）由于CNN的权重是高度复用的，CNN的权重参数会比全连接的DNN少很多，这使得CNN模型的训练速度快而且还不易于发生过

精品资料

咨询Ta 进入空间

用户编号：7040145050000060

更多 >

《Python编程与计算机视觉应用》习题及参考答案 第7章习题参考答案.docx