在卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7×7，具有零填充且步幅为1。该层的输入图片的维度是224×224×3。那么该层输出的维度是多少？（）
A: 217*217*3
B: 217*217*8
C: 218*218*5
D: 220*220*7
A: 217*217*3
B: 217*217*8
C: 218*218*5
D: 220*220*7
C
举一反三
- 将一张32*32大小的图片输入一个卷积神经网络，经过一层卷积层（卷积核大小为5*5，步长为1，非全零填充）和一层池化层（池化核大小为2*2，步长为2，全零填充）之后输出的图片尺寸为多少？? 7|14|16|32
- 有一卷积层，输入大小为7*7，卷积核大小为3*3，有3个输入通道，有2个输出通道，则该卷积层的权值（weight）参数个数有________个，偏置（bias）参数有________个。
- 如果一个图片的维度为（32，32，3），通过一个有64个卷积核，每个卷积核大小为3×3，且填充模式为valid（不填充）的卷积层后，输入特征图的维度应为（） A: （32，32，3） B: （32，32，64） C: （30，30，64） D: （30，30，3）
- 在卷积神经网络LeNet-5的卷积层C3得到的特征图为16个，上一层的特征图为6个。则关于这一卷积过程的描述错误的是[img=658x440]1803b2fa207fe99.png[/img] A: C3卷积层中每个特征图只与上一层S2中部分特征图相连接 B: C3卷积层采用多通道16核卷积 C: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的若干特征图相连接 D: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的全部特征图相连接
- VGG网络中，用小卷积核代替了大卷积核。例如，2个3*3代替了 A: 1*1 B: 3*3 C: 5*5 D: 7*7
内容
- 0
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3×3；第二层是分组卷积层（group convolution layer）,分为4组，输入输出通道数为64和32，卷积核大小为3×3。则该网络的参数个数为（）
- 1
VGG中的卷积核大小是 A: 1*1 B: 3*3 C: 5*5 D: 7*7
- 2
在卷积神经网络计算中，已知输入特征层大小为32x32x64, 使用标准卷积计算，带偏置项，卷积核大小为3*3，输出特征层数目为64，请问卷积层的参数个数为？ A: 576 B: 36928 C: 640 D: 36864
- 3
典型卷积神经网络LeNet-5的结构包括输入层、采样层、卷积层、输出层和 A: 全连接层 B: 隐藏层 C: 汇聚层 D: 卷积核
- 4
典型卷积神经网络LeNet-5的结构包括输入层、采样层、卷积层、输出层和： A: 汇聚层 B: 全连接层 C: 卷积核 D: 隐含层