-
Trình Thực Thi
Trình biên dịch Python Trình biên dịch C++ Trình biên dịch C Trình biên dịch Matplotlib Trình thông dịch Node.js Trình thông dịch PHP Trình biên dịch C# / .NET Trình biên dịch Rust Ruby Interpreter Trình biên dịch Java Trình biên dịch Go Trình biên dịch Kotlin Trình biên dịch Swift Trình biên dịch TypeScript
-
Học lập trình
Học Python Ví dụ chạy được, NumPy, pandas và nhiều nội dung khác Học AI / Machine LearningMạng nơ-ron, học máy và LLM từ đầu Học C và C++ Con trỏ, bộ nhớ, STL và C++ hiện đại Học C#C# cơ bản, OOP, LINQ, async và bài tập .NET Học MatplotlibBiểu đồ đường, cột, phân tán và tròn với visualizer tương tác Học RustOwnership, trait, xử lý lỗi và thread Học GoSlice, interface, goroutine và channel Thuật toán Python Tìm kiếm, sắp xếp, đệ quy và trình mô phỏng O(n) Thuật toán C và C++ So sánh cách cài đặt bằng C và C++ Lập trình cho trẻ em Vừa chơi vừa học lập trình!
- QuizMới
- Thử tháchMới
- Cho giáo viênMới
- Cập Nhật mới nhất
- Mời mình một ly cà phê
Quiz AI & Machine Learning: Mạng nơ-ron tích chập (CNN)
Bài quiz này nói về mạng nơ-ron tích chập (CNN), loại mô hình đứng sau phần lớn các ứng dụng thị giác máy tính. Bạn sẽ tính kích thước đầu ra bằng công thức, đếm số tham số của một lớp conv và giải thích vì sao CNN làm tốt hơn lớp dense trên ảnh.
Câu hỏi mẫu
Câu 1/10Một ảnh 32x32 một kênh đi qua phép tích chập 3x3 với stride 1 và không padding. Kích thước đầu ra là bao nhiêu?
Xem đáp án
A. 30x30 (W - K + 2P) / S + 1 = (32 - 3 + 0) / 1 + 1 = 30. Không có padding thì kernel 3x3 không thể đặt tâm vào các pixel ở viền, nên mỗi bên mất một pixel.
Quiz này có gì
- Kích thước đầu ra = floor((W - K + 2P) / S) + 1
- Số tham số của một lớp conv
- Max pooling, padding và stride
- Chia sẻ trọng số và vùng tiếp nhận (receptive field)
- Tích chập 1x1 dùng để làm gì
Câu hỏi thường gặp
Có cần tài khoản không?
Không. Ai cũng chơi được. Đăng nhập để lưu XP, streak, badge và lịch sử.
Có làm lại được không?
Được. Điểm cao nhất của bạn được giữ lại, câu hỏi và đáp án được xáo trộn mỗi lần.