Nederlands
Menu

Basis van machine learning

Hoeveel trainbare parameters heeft een volledig verbonden laag met 64 ingangen en 32 uitgangen (met één bias per uitgang)?

  1. A96
  2. B2048
  3. C2080
Antwoord en toelichting tonen

Antwoord: C. 2080

Een volledig verbonden laag heeft één gewicht voor elk paar van een ingang en een uitgang, dus 64 × 32 = 2048 gewichten. Met de 32 biases erbij, één per uitgang, zijn er 2048 + 32 = 2080 parameters. In het algemeen heeft een volledig verbonden laag met n ingangen en m uitgangen (n + 1) × m parameters. Een convolutielaag gebruikt hetzelfde filter over het hele beeld en heeft daarom bij een even grote invoer veel minder parameters dan een volledig verbonden laag.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

  1. Op een beeld van 28×28 met één kanaal wordt een convolutie met een filter van 5×5 (stride 1, geen padding) toegepast, gevolgd door max-pooling van 2×2 (stride 2). Wat zijn de hoogte en breedte van de uitvoer?
  2. Welke beschrijving van recurrente neurale netwerken (RNN's) en LSTM's is juist?
  3. Welke beschrijving van de self-attention die in de Transformer wordt gebruikt, is juist?
  4. Welke beschrijving van transfer learning, waarbij een model dat op een grote hoeveelheid gegevens is getraind met weinig gegevens voor een andere taak wordt gebruikt, is juist?
  5. Welke beschrijving van modellen die beelden en vergelijkbare gegevens genereren, is juist?