卷积神经网络中的一个面试题

最新推荐文章于 2024-06-09 19:34:30 发布
最新推荐文章于 2024-06-09 19:34:30 发布
阅读量4.6k 收藏
点赞数 1
分类专栏： 总结
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qfpkzheng/article/details/79978942
版权

今天在北京某著名计算机视觉公司面试实习生，面试官问了我一个以前我没见过的东西。

意思就是现在pooling 层是一个2*2的核，用average-pooling，

然后还有一个卷积核是2*2的，然后这个卷积核不用学习，里面的每个值都是1、4,然后他问我，一张图片，分别

经过他们之后，出来的东西一样不一样？

我当时一想，每个值都是1/4，那不是和平均一样吗，我说是的，他没有对不对，然后就又继续问，

如果现在让你随便修该这个卷积核的值，使得它实现和那个pooling层具有相同的功能，该怎么设定里面的值？

我当时回答的是，把第一层弄成1/4，其它的都搞成0，然后其他的卷积核也这么干。

他之后噢了一声，我也不知道我有没有回答对。

汗颜。。。


FourierTransformer
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
CNN卷积神经网络,TensorFlow面试题
ZJQ的博客
05-07 167
TensorFlow是一个基于Python的库, 用于创建机器学习应用程序。它是执行复杂数学的低级工具包。它为用户提供了可定制性选项, 以构建实验性学习体系结构。它还可以帮助用户与他们合作, 并将他们转变为正在运行的软件。它最初由Google Brain团队的研究人员和工程师创建, 并于2015年成为开源。TensorFlow由两个词Tensor和Flow组成；张量被称为多维数组的数据表示流意味着对张量执行的一系列操作。
【1小时掌握速通深度学习面试2】卷积神经网络-下
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
05-04 817
1、将输入图像提供到卷积层2、选择参数，可通过应用strides、Pooling和滤波器。对图像执行卷积并将ReLU激活应用于矩阵。3、执行池化以减少维度大小4、添加尽可能多的卷积层直到满意为止5、 压平输出并馈入全连接层（FC层）6、使用激活函数（带成本函数的Logistic回归）输出类并对图像进行分类。
深度学习-第二章 卷积神经网络面试题（大厂必问，历经半年整理）
聪哥965
02-24 7644
文章目录1.[神经网络](%28https://blog.csdn.net/cc13186851239/article/details/113983560%29)2.CNN2.1卷积神经网络的结构2.2 Keras搭建CNN2.2经典网络分类2.2.1 LeNet2.2.2 AlexNet2.2.2.1 AlexNet 对比LeNet 的优势？2.2.3 VGG2.2.3.1 VGG使用2个3*3卷积的优势在哪里？2.2.3.2 每层卷积是否只能用一种尺寸的卷积核？2.2.4 Inception(GoogL
机器学习——卷积神经网络
最新发布
star_and_sun的博客
06-09 567
多层感知机MLP的层数足够，理论上可以用其提取出二位特征，但是毕竟复杂，卷积神经网络就可以更合适的来提取高维的特征。如果将f进行翻转，得到的参数在位置上是翻转的，对参数数值没有影响。这样的运算称为互相关。是每个像素点对应的权重，权重越大，重要程度越大，这里的权重。在CNN中进行卷积运算的层称为。而卷积其实是一种运算。是一个图像的像素点，
机器学习与深度学习面试一百题（2）卷积神经网络（持续更新中...）
weixin_51193374的博客
03-28 744
kernel=3×3，输入是前一层的20个特征映射，因此第三层的每个特征映射有3×3×20个weight，加上bias，每个特征映射对应181个参数。kernel=3×3，输入是前一层的10个特征映射，因此第二层的每个特征映射有3×3×10个weight，加上bias，每个特征映射对应91个参数。由于第二层有20个特征映射，因此需要91×20=1820个参数；kernel=3×3，输入有3个通道（RGB图片），因此每个特征映射有3×3×3个weight，加上bias，每个特征映射对应28个参数。
【机器学习面试题】—— 卷积神经网络
Heitao5200的博客
03-07 9866
文章目录1. 卷积神经网络的结构输入层卷积层激活层池化层全连接层2. 卷积在图像中有什么直观作用3. 卷积层有哪些基本参数？4. 卷积核有什么类型？5. 二维卷积与三维卷积有什么区别？二维卷积三维卷积6. 有哪些池化方法？池化原理池化类型7. 1*1卷积的作用？8. 卷积层和池化层有什么区别？9. 卷积核是否一定越大越好？10. 每层卷积是否只能用一种尺寸的卷积核？11. 怎样才能减少卷积层参数量...
卷积神经网络中的稀疏交互和参数共享
十三
12-26 3629
卷积神经网络（Convolutional Neural Networks，CNN）是一种前馈神经网络，它的特点是每层的神经元节点只响应前一层局部区域范围内的神经元。这也是与其他的前向神经网络不同之处，例如全连接网络中每一个神经元节点响应前一层的全部节点。 稀疏交互 在传统神经网络中，网络层之间输入与输出的连接关系可以由一个权值参数矩阵来表示，其中每一个单独的参数值都表示了前后层某两个神经元节点之间的交互。对于全连接网络，任意一对输入与输出神经元之间都产生交互，形成稠密的连接结构。在下图中可以看到，si,i=
深度学习机器学习面试题——卷积与池化
weixin_46838716的博客
05-13 3139
1）深度学习和机器学习在互联网大厂中的笔试，或者面试都会遇到的知识点 2）没事来看看，总会有用的 3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。
卷积神经网络中的池化操作
十三
12-29 1672
常用的池化操作主要针对非重叠区域，包括均值池化、最大池化等。其中均值池化通过对邻域内特征数值求平均来实现，能够抑制由于邻域大小受限造成估计值方差增大的现象，特点是对背景的保留效果更好。最大池化则通过取邻域内特征的最大值来实现，能够抑制网络参数误差造成估计均值偏移的现象，特点是更好地提取纹理信息。池化操作的本质是降采样。 特殊的池化方式还包括对相邻重叠区域的池化、空间金字塔池化。 相邻重叠区域的池化，顾名思义，是采用比窗口宽度更小的步长，使得窗口在每次滑动时存在重叠的区域。空间金字塔池化主要考虑了多尺度信息
tensorflow实现简单的卷积神经网络
2401_84097941的博客
04-20 956
正值金三银四招聘旺季，很多小伙伴都询问我有没有前端方面的面试题，特地整理出来赠送给大家！资料领取方式：点击这里前往免费获取正值金三银四招聘旺季，很多小伙伴都询问我有没有前端方面的面试题，特地整理出来赠送给大家！资料领取方式：点击这里前往免费获取资料领取方式：点击这里前往免费获取。
np.random.choice的用法
热门推荐
共同学习
01-15 9万+
import numpy as np # 参数意思分别 是从a 中以概率P，随机选择3个, p没有指定的时候相当于是一致的分布 a1 = np.random.choice(a=5, size=3, replace=False, p=None) print(a1) # 非一致的分布，会以多少的概率提出来 a2 = np.random.choice(a=5, size=3, replace=Fals
np.roll的用法
共同学习
01-18 1万+
# -- coding: UTF-8 -- import numpy as np # np.roll(a, shift, axis=None) # 意思是将a，沿着axis的方向，滚动shift长度 # example1 a = np.arange(10) print(a) for i in range(5): a = np.roll(a, 2) print(a) # exa
为什么vmware中的ctrl+alt+F1~F7不能用？
共同学习
01-18 1万+
这个总是确实困挠了我好久，也花了我大把大把的时间去弄，终于今天搞定了，但是其实就2分钟就能搞定的事情。所以在此作总结。希望能帮助其他人。我的目的是想用Mac装上Vmware，然后在里面下tensorflow用GPU来跑深度学习。然后安装NIAVIA的时候就遇到了这个问题，里面有步先关闭图形界面，然后再调到文本命令行的操作。解决方案是：不要纠结在为何ctrl+alt+f1不能用？虽然我就一直在纠结于
解决使用zsh中no matches found: *的问题
共同学习
09-10 8856
使用zsh很久了，之前使用带*的命令时，比如 ls ,时，就会报上面的这个错，并没有细查，今天才知道其实是有解决办法的， 方法就是在 ~/.zshrc 中加上一句话 setopt no_nomatch 然后 source ~/.zshrc 一下就可以了. ...
Mac 中 安装和卸载软件
共同学习
04-22 3345
之前以为mac中也是用 sudo apt install之类的安装软件呢，结果不是的而是用sudo brew installsudo brew uninstall 来安装和卸载软件的
iterm2 Mac 配置中出现的“问题”
共同学习
06-05 2011
嗯嗯，感觉自己强迫症有些严重哈，整这个东西花了好久，刚开始弄好了，看着界面有些难受，又恢复到以前的了，还下载了zsh,不过这才知道，原来 shell有好几种，zsh, bash 等等，然后我的source activate mypy2 conda环境也没有用了，显示no such file or dictionary,然后百度了一下，说是这个环境是在bash下创建的，如果在zsh下打开的话就会出错...
又一个表明list和array的不同
共同学习
03-26 556
import numpy as np a = np.array([1, 2, 3]) b = np.array([3, 1, 2]) c = np.array([4, 5, 6]) c[a > b] = 0 print(c) # 【0， 5， 6】 print(a > b) #[False, True, True] # 这说明 c[a>b] =0 是把a>b的那些in...
Mac 上 安装 eclipse和配置以及出现的总题
共同学习
03-02 321
1.在Mac上安装最新版本的JDK1.9.4（如果Mac让安1.6的话不用管，因为没有安完整的jdk）2.下载Eclipse3.直接解压，安装即可4.创建一个helloworld后，出现了no binary 的错误，这时候右击工程，bulid project再运行就可以了...
卷积神经网络 面试题
07-31
回答: 卷积神经网络是一种深度学习模型，用于处理图像和其他类型的数据。在面试中，可能会问到一些与卷积神经网络相关的问题。例如，有关ResNet v1和ResNet v2的区别，可以引用[1]中的内容，指出ResNet v1和ResNet v2的主要区别在于残差块的设计。ResNet v1使用了恒等映射，而ResNet v2使用了带有投影映射的残差块。这种设计使得ResNet v2在训练过程中更容易传播梯度，从而提高了网络的训练效果。 另外，关于卷积操作的优化，可以引用[2]中的内容，提到傅立叶模拟卷积是一种对卷积操作进行优化的方法。通过将卷积操作转化为频域上的乘法操作，可以加快计算速度。 还有关于防止过拟合的方法，可以引用[2]中的内容，提到在数据层面可以进行数据增广和筛选高质量的特征，在网络层面可以选择较简单的模型、进行网络剪枝、加入正则项、加dropout层和加BN层，在训练操作层面可以使用Early Stopping等方法来防止过拟合。 最后，关于VGG网络的特点，可以引用[3]中的内容，指出VGG网络使用了多个3x3的卷积层来代替较大的卷积核，这样可以增加网络的深度，提高特征提取能力。此外，VGG网络还使用了2x2的最大池化层来减小图像的尺寸。这种设计使得VGG网络在处理图像时具有较好的性能。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值