题目内容
（请给出正确答案）
[主观题]
卷积神经网络中，卷积层可以实现特征提取，池化层可以实现特征降维。
答案
C
如搜索结果不匹配，请 联系老师 获取答案
A.卷积层
B.池化层
C.全连接层
D.输出层
更多“卷积神经网络中，卷积层可以实现特征提取，池化层可以实现特征降…”相关的问题
第2题
在卷积神经网络计算中，已知输入特征层大小为32x32x64, 使用标准卷积计算，带偏置项，卷积核大小为3*3，输出特征层数目为64，请问卷积层的参数个数为？
A.576
B.36928
C.640
D.36864
第5题
与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化，提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
第6题
假设我们需要训练一个卷积神经网络，来完成0~9和英文字母（不区分大小写）的图像分类。该卷积神经网络最后一层是分类层，则最后一层输出向量的维数大小可能是（）。
A.36
B.62
C.10
D.26
第7题
下面关于卷积神经网络相关描述中，正确的说法是哪个？
A.卷积中的通道数量只能是1或3
B.池化核大小与步长相等
C.Padding时各方向的填充不一定对称
D.卷积核越小，卷积后的结果越抽象
