《1。卷积神经网络》

第一节.卷积基础知识

1.简述卷积的基本操作，并分析其与全连接层的区别

答：具有局部连接和权值共享的特点。

卷积操作能够在输出数据中大致保持输入数据的结构信息

2.在卷积神经网络中，如何计算各层的感受野大小？

答：

3.卷积层的输出尺寸、参数量和计算量

答：输出尺寸

第二节.卷积的变种

1.简述分组卷积及其应用场景

答：分组卷积就是将输入通道和输出通道都划分为同样的组数，然后仅让处于相同组号的输入通道和输出通道相互进行全连接。

只要是为了减少计算量。

2.简述转置卷积的主要思想以及应用场景

答：反卷积，本质就是对输入数据进行适当变换（补零、上采样）

3.简述空洞卷积的设计思路

答：空洞卷积就是在标准的卷积核中注入空洞，以增加卷积核的感受野。

4.可变形卷积旨在解决哪类问题

答：可变性卷积让网络具有了学习空间几何形变的能力

第三节：卷积神经网络的整体结构

1.简述卷积神经网络今年来在结构上的发展

答：1.Alexnet

2.vggnet 多个3*3 卷积核代替5*5、7*7

3.googlenet、inception ：bottleneck 、1*1

第四节：卷积神经网络的基础模块

1.批归一化是为了解决什么问题？它的参数有何意义？他在网络中一般放在什么位置？

答：批归一化的主要作用是确保网络中各层，即使参数发生了变化，其输入、输出数据的分布也不能产生较大的变化，从而避免发生内部协变量偏移现象。激活函数前后都可以。

2.用于分类任务的卷积神经网络的最后几层一般是什么层？

答：全连接层是对局部信息的整合，相当于把提取的眼鼻口等信息整合后得出结论。

最近使用全局平均池化

3.卷积神经网络的瓶颈结构和沙漏结构提出的初衷是什么？可以应用于那些问题？

答：瓶颈结构降低卷积层的计算量

沙漏结构作用一般是将多尺度信息进行融合