Conv2D 方法的______参数用于指定卷积核移动步幅大小。
A: kernel_size
B: activation
C: padding
D: strides
A: kernel_size
B: activation
C: padding
D: strides
举一反三
- Conv2D 方法的______参数用于指定卷积核的形状大小。 A: filters B: kernel_size C: strides D: padding
- Conv2D 方法的______参数用于指定卷积核的数目。 A: filters B: kernel_size C: strides D: padding
- 卷积核沿图像边缘操作时，卷积核窗口有可能超出图像边界，Conv2D 方法中参数 padding=“same” 意为图像边界外不允许填充值，也就是不允许卷积窗口超出图像范围计算。
- 卷积核沿图像边缘操作时，卷积核窗口有可能超出图像边界，Conv2D 方法中参数 padding=“valid” 意为允许在图像边界外填充0值像素，以便卷积窗口超出图像部分也能进行卷积计算。。
- 对于65x65x6的输入特征图，用32个5*5的卷积核（过滤器）进行卷积，步幅为2，padding值为2，得到的特征图大小是哪个？ A: 33*33*32 B: 32*32*32 C: 65*65*12 D: 32*32*5