在卷积神经网络中，有些参数不能通过网络学习得到，需要自己定义，也就是我们常说的超级参数。以下属于超级参数的有（ ）
A: 卷积核的宽
B: 卷积核的高
C: 卷积步长
D: 其余全都是
A: 卷积核的宽
B: 卷积核的高
C: 卷积步长
D: 其余全都是
举一反三
- 以下参数中，哪个参数不属于卷积神经网络中的超级参数（ ） A: 卷积核的高 B: 卷积填充单元 C: 卷积核内的权重参数 D: 卷积步长
- 卷积神经网络中某一层使用的He权重初始化与以下哪些参数有关？ A: 卷积核的高 B: 卷积核的宽 C: 前一层特征图的大小 D: 卷积核的个数
- 在卷积网络中，卷积层的参数是卷积核和偏置，池化层没有参数，因此在误差反向传播时只要优化卷积层的参数。
- 卷积神经网络中有哪些参数是需要通过学习得到的 A: 卷积核权重参数 B: 池化层参数 C: 激活函数 D: 偏置
- 以下有关卷积神经网络的说法，哪些是错误的？ A: 卷积核中的取值都是事先人工设计的，在网络的训练过程中不变化 B: 共享权重大大减少了参数的个数，降低了网络的复杂度 C: 通过增加卷积核的大小和通道的个数，可以提升卷积神经网络特征获取的能力 D: 卷积核越大，即感受野越大，网络需要优化的参数越少，训练速度越快