- Exécuteurs
-
Apprendre
Apprendre Python Exemples exécutables, NumPy, pandas et plus Apprendre l'IA / Machine LearningRéseaux de neurones, ML et LLM de zéro Apprendre le C et le C++ Pointeurs, mémoire, STL et C++ moderne Apprendre le C#Bases, POO, LINQ, async et exercices .NET Apprendre MatplotlibCourbes, barres, nuages de points et camemberts avec visualiseurs Apprendre RustOwnership, traits, gestion des erreurs et threads Apprendre GoSlices, interfaces, goroutines et channels Algorithmes Python Recherche, tri, récursivité et visualisations O(n) Algorithmes C et C++ Comparer les implémentations en C et C++ Programmation pour enfants Apprends à coder en jouant !
- QuizNouveau
- DéfisNouveau
- EnseignantsNouveau
- Mises à Jour
- Offrez-moi un café
Quiz AI & Machine Learning : Réseaux de neurones convolutifs (CNN)
Ce quiz porte sur les réseaux de neurones convolutifs, les modèles derrière l'essentiel de la vision par ordinateur. Vous calculerez des formes de sortie avec la formule de taille, compterez les paramètres d'une couche de convolution et expliquerez pourquoi les CNN battent les couches denses sur les images.
Exemple de question
Question 1 sur 10Une image 32x32 à un seul canal passe dans une convolution 3x3 avec un stride de 1 et sans padding. Quelle est la taille de sortie ?
Voir la réponse
A. 30x30 (W - K + 2P) / S + 1 = (32 - 3 + 0) / 1 + 1 = 30. Sans padding, un noyau 3x3 ne peut pas être centré sur les pixels du bord, donc on perd un pixel de chaque côté.
Ce que couvre ce quiz
- Taille de sortie = floor((W - K + 2P) / S) + 1
- Le nombre de paramètres d'une couche de convolution
- Max pooling, padding et stride
- Partage des poids et champs récepteurs
- À quoi servent les convolutions 1x1
Questions fréquentes
Faut-il un compte ?
Non. Tout le monde peut jouer. Connectez-vous pour garder votre XP, votre série, vos badges et votre historique.
Puis-je le refaire ?
Oui. Votre meilleur score est conservé, et les questions comme les réponses sont mélangées à chaque fois.