1.簡述卷積的基本操作，並分析其與全連線層的區別
答：具有區域性連線和權值共享的特點。
卷積操作能夠在輸出資料中大致保持輸入資料的結構資訊
2.在卷積神經網路中，如何計算各層的感受野大小？
答：3.卷積層的輸出尺寸、參數量和計算量
答：輸出尺寸
1.簡述分組卷積及其應用場景
答：分組卷積就是將輸入通道和輸出通道都劃分為同樣的組數，然後僅讓處於相同組號的輸入通道和輸出通道相互進行全連線。
只要是為了減少計算量。
2.簡述轉置卷積的主要思想以及應用場景
答：反卷積，本質就是對輸入資料進行適當變換（補零、上取樣）
3.簡述空洞卷積的設計思路
答：空洞卷積就是在標準的卷積核中注入空洞，以增加卷積核的感受野。
4.可變形卷積旨在解決哪類問題
答：可變性卷積讓網路具有了學習空間幾何形變的能力
1.簡述卷積神經網路今年來在結構上的發展
答：1.alexnet
2.vggnet 多個3*3 卷積核代替5*5、7*7
3.googlenet、inception ：bottleneck 、1*1
1.批歸一化是為了解決什麼問題？它的引數有何意義？他在網路中一般放在什麼位置？
答：批歸一化的主要作用是確保網路中各層，即使引數發生了變化，其輸入、輸出資料的分布也不能產生較大的變化，從而避免發生內部協變數偏移現象。啟用函式前後都可以。
2.用於分類任務的卷積神經網路的最後幾層一般是什麼層？
答：全連線層是對區域性資訊的整合，相當於把提取的眼鼻口等資訊整合後得出結論。
最近使用全域性平均池化
3.卷積神經網路的瓶頸結構和沙漏結構提出的初衷是什麼？可以應用於那些問題？
答：瓶頸結構降低卷積層的計算量
沙漏結構作用一般是將多尺度資訊進行融合
卷積神經網路學習1 卷積層
卷積神經網路常用於計算機視覺當中，應用在計算機視覺當中，就要面臨乙個挑戰，那就是輸入資料非常的大，假如輸入乙個1000 1000的，那麼他就有1000 1000 3 的rgb三通道 個資料，對於300w的資料量，那麼當我們第乙個隱藏層有1000個神經元進行全連線時，那麼將會有300w 1000個引數...
卷積神經網路入門 1 卷積型別
一般kernel size 3，padding取1，這樣feature map取決於stride 參數量 cincoutk k torch.nn.conv2d in channels,out channels,kernel size,stride 1,padding 0,dilation 1,gro...
卷積神經網路 1 1 卷積核
卷積神經網路中卷積核的作用是提取影象更高維的特徵，乙個卷積核代表一種特徵提取方式，對應產生乙個特徵圖，卷積核的尺寸對應感受野的大小。經典的卷積示意圖如下 5 5的影象使用3 3的卷積核進行卷積，結果產生3 3 5 3 1 的特徵影象。卷積核的大小一般是 2n 1 2n 1 的奇數乘奇數大小 n 1 ...