- Ejecutores
-
Aprender
Aprender Python Ejemplos ejecutables, NumPy, pandas y más Aprender IA / Machine LearningRedes neuronales, ML y LLM desde cero Aprender C y C++ Punteros, memoria, STL y C++ moderno Aprender C#Fundamentos, POO, LINQ, async y ejercicios de .NET Aprender MatplotlibGráficos de líneas, barras, dispersión y sectores con visualizadores Aprender RustOwnership, traits, manejo de errores e hilos Aprender GoSlices, interfaces, goroutines y canales Algoritmos en Python Búsqueda, ordenación, recursión y visualizadores O(n) Algoritmos en C y C++ Compara implementaciones en C y C++ Programación para niños ¡Aprende a programar jugando!
- QuizzesNuevo
- RetosNuevo
- Para docentesNuevo
- Actualizaciones
- Invítame a un café
Quiz de AI & Machine Learning: Redes neuronales convolucionales (CNN)
Este quiz trata sobre las redes neuronales convolucionales, los modelos detrás de la mayor parte de la visión por computador. Calcularás formas de salida con la fórmula del tamaño, contarás los parámetros de una capa convolucional y explicarás por qué las CNN superan a las capas densas con imágenes.
Pregunta de ejemplo
Pregunta 1 de 10Una imagen de 32x32 con un solo canal pasa por una convolución 3x3 con stride 1 y sin padding. ¿Cuál es el tamaño de salida?
Ver la respuesta
A. 30x30 (W - K + 2P) / S + 1 = (32 - 3 + 0) / 1 + 1 = 30. Sin padding, un kernel 3x3 no se puede centrar en los píxeles del borde, así que se pierde un píxel por cada lado.
Qué cubre este quiz
- Tamaño de salida = floor((W - K + 2P) / S) + 1
- Número de parámetros de una capa convolucional
- Max pooling, padding y stride
- Pesos compartidos y campos receptivos
- Para qué sirven las convoluciones 1x1
Preguntas frecuentes
¿Necesito una cuenta?
No. Cualquiera puede jugar. Inicia sesión para guardar tu XP, racha, insignias e historial.
¿Puedo repetirlo?
Sí. Se guarda tu mejor puntuación, y las preguntas y respuestas se mezclan cada vez.