课程4_第4周_测验题¶
第一题¶
1.面部验证只需要将新图片与1个人的面部进行比较，而面部识别则需要将新图片与K个人的面部进行比较。
A. 【 】正确
B. 【 】错误
答案：
A.【 √ 】正确
第二题¶
2.在人脸验证中函数d(img1,img2)起什么作用？
A. 【 】只需要给出一个人的图片就可以让网络认识这个人
B. 【 】为了解决一次学习的问题
C. 【 】这可以让我们使用softmax函数来学习预测一个人的身份，在这个单元中分类的数量等于数据库中的人的数量加1
D. 【 】鉴于我们拥有的照片很少，我们需要将它运用到迁移学习中
答案：
A.【 √ 】只需要给出一个人的图片就可以让网络认识这个人
B.【 √ 】为了解决一次学习的问题
第三题¶
3.为了训练人脸识别系统的参数，使用包含了10万个不同的人的10万张图片的数据集进行训练是合理的。
A. 【 】正确
B. 【 】错误
答案：
B.【 √ 】错误
第四题¶
4.下面哪个是三元组损失的正确定义（请把$\alpha$也考虑进去）？
A. 【 】$max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2+\alpha,0)$
B. 【 】$max(\left \|f(A)−f(N)\right \|^2−\left \|f(A)−f(P)\right \|^2+\alpha,0)$
C. 【 】$max(\left \|f(A)−f(N)\right \|^2−\left \|f(A)−f(P)\right \|^2-\alpha,0)$
D. 【 】$max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2-\alpha,0)$
答案：
A.【 √ 】$max(\left \|f(A)−f(P)\right \|^2−\left \|f(A)−f(N)\right \|^2+\alpha,0)$
第五题¶
5.在下图中的孪生卷积网络(Siamese network)结构图中，上下两个神经网络拥有不同的输入图像，但是其中的网络参数是完全相同的。
A. 【 】正确
B. 【 】错误
答案：
A.【 √ 】正确
第六题¶
6.你在一个拥有100种不同的分类的数据集上训练一个卷积神经网络，你想要知道是否能够找到一个对猫的图片很敏感的隐藏节点（即在能够强烈激活该节点的图像大多数都是猫的图片的节点），你更有可能在第4层找到该节点而不是在第1层更有可能找到。
A. 【 】正确
B. 【 】错误
答案：
A.【 √ 】正确
第七题¶
7.神经风格转换被训练为有监督的学习任务，其中的目标是输入两个图像 (x)，并训练一个能够输出一个新的合成图像(y)的网络。
A. 【 】正确
B. 【 】错误
答案：
B.【 √ 】错误
第八题¶
8.在一个卷积网络的深层，每个通道对应一个不同的特征检测器，风格矩阵$G^{[l]}$度量了l层中不同的特征探测器的激活（或相关）程度。
A. 【 】正确
B. 【 】错误
答案：
A.【 √ 】正确
第九题¶
9.在神经风格转换中，在优化算法的每次迭代中更新的是什么？
A. 【 】神经网络的参数
B. 【 】生成图像G的像素值
C. 【 】正则化参数
D. 【 】内容图像C的像素值
答案：
B.【 √ 】生成图像G的像素值
第十题¶
10.你现在用拥有的是3D的数据，现在构建一个网络层，其输入的卷积是32×32×32×1632×32×32×16（此卷积有16个通道），对其使用3232个3×3×33×3×3的过滤器（无填充，步长为1）进行卷积操作，请问输出的卷积是多少？
A. 【 】30×30×30×32
B. 【 】不能操作，因为指定的维度不匹配，所以这个卷积步骤是不可能执行的
C. 【 】30×30×30×16
答案：
A.【 √ 】30×30×30×32