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.

Trung bình 10 câu hỏi ~6 phút Đạt từ 80%

Chọn chế độ

Bạn đang chơi với tư cách khách: đăng nhập để lưu XP và streak.

Câu hỏi mẫu

Câu 1/10

Một 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.