当前位置：首页 > news >正文

wordpress网站属于什么网站吗WordPress不能新建页面

news 2025/9/24 1:14:23

wordpress网站属于什么网站吗,WordPress不能新建页面,手机设计软件免费,编程培训机构出来的能找到工作吗博主会经常分享自己在人工智能阶段的学习笔记，欢迎大家访问我滴个人博客！（养成系Blog！） 小牛壮士滴Blog~ - 低头赶路敬事如仪https://kukudelin.top/ 01-卷积基础知识问：简述卷积基本操作，…

博主会经常分享自己在人工智能阶段的学习笔记，欢迎大家访问我滴个人博客！（养成系Blog！）

小牛壮士滴Blog~ - 低头赶路敬事如仪https://kukudelin.top/

01-卷积基础知识

问：简述卷积基本操作，分析其与全连接层的区别

答：卷积操作是卷积神经网络的核心，用于提取数据的局部特征，他的两大特性是局部连接，参数共享。

卷积层通过一个卷积核在输入数据上滑动，逐步将与卷积核对应的元素相乘后求和得到一个标量值，最终生成一个输出特征图，通过局部连接和参数共享，能够高效的提取局部特征，同时减少参数量

而全连接层中的不同神经元是的参数不同，数量较多，计算量也更大。他将卷积层提取的特征进行综合处理，输出最终的预测结果，适合处理一维的特征向量。

问：卷积神经网络中，如何计算各层感受野大小

答：感受野是指网络中某个神经元能够感知到的输入数据的区域大小，感受野越大，神经元能够感知到的输入数据的范围就越广

$R_i = k_i + (R_{i-1} - 1) \cdot s_{i-1}$

其中R是感受野，k是卷积核大小，s是步长

问：卷积层，池化层，全连接层的作用是什么？

答：

卷积层：提取输入数据的局部特征，通过多层结构逐步提取更高级别的特征。（特征提取）
池化层：降低特征图的空间维度，保留重要信息，减少计算量，增强平移不变性。（降维）
全连接层：综合处理提取的特征，输出最终的分类或回归结果。（分类）

02-卷积的变种

问：简述分组卷积及其应用场景

答：分组卷积将输入通道分成多个组进行独立的卷积运算，能够显著提高计算效率盒模型的非线性能力

目前分组卷积更多被用来构建用于移动设备的小型网络结构，例如深度可分离卷积

03-卷积神经网络的整体结构

问：简述经典卷积神经网络发展和变迁

答：LeNet：简单的卷积层和池化层堆叠，参数有限，难以处理复杂的图像任务，用于识别手写数字

AlexNet：引入RELU激活函数解决了梯度消失的问题，加速了训练；使用Dropout来防止过拟合；使用GPU对模型进行加速。但是网络较深，参数量巨大

VGG：使用3×3卷积核替代大卷积核，减少了参数量的同时通过堆叠小卷积核增强了模型的非线性能力。但是参数量巨大

GoogLeNet：使用并行的卷积和池化操作的Inception模块增加网络深度和宽度，同时减小参数量；在分类的最后使用全局平均池化提高模型的泛化能力

ResNet：通过残差模块解决了深层网络训练的梯度消失问题，应用批量归一化加速了模型训练过程

04-卷积神经网络基础组件

问：批量归一化是为了解决什么问题？它的参数有什么意义？在网络中一般放在什么位置？☆

答：批量归一化主要用于解决“内部协变量偏移”的问题（训练过程中，每一层的输入分布会随着前面层的参数更新而发生变化。这种输入分布的变化会影响网络的训练速度和稳定性，导致训练过程变得复杂且难以收敛），批量归一化通过归一化每一层的输入，使均值为0，方差为1，从而稳定训练过程，加速收敛，并且一定程度上环节梯度消失和爆炸的问题

BN引入两个参数（在反向传播中更新）：缩放参数γ：恢复特征尺度；偏移参数β：恢复特征的偏移

$y = \gamma \hat{x} + \beta$