训练CNN时,GPU显存溢出,此时可以采取什么办法()。
A.减少minibatch大小
B.移除一些卷积层
C.减少图片输入大小
D.增加激活函数
A.减少minibatch大小
B.移除一些卷积层
C.减少图片输入大小
D.增加激活函数
第1题
A.CNN和RNN都属于神经网络,因此二者的训练方式完全一致,均采用BP算法。
B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。
C.在同一个网络中,CNN结构和RNN结构不能同时使用。
D.CNN适用于图像处理,而RNN适用于序列数据处理。
第3题
A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C.只要参数设置合理,深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
第5题
A.局部感知使网络可以提取图像的局部特征,而权值共享大大降低了网络的训练难度
B.通道数量越多,获得的特征图(Featuremap)就越多
C.卷积是指对图像的窗口数据和滤波矩阵做内积的操作,在训练过程中滤波矩阵的大小和值不变
D.SAME填充和VALID填充的主要区别是前者向图像边缘添加0值,而后者可能会忽略来自图像边缘的值
第8题
A.图片实际占用外存的大小
B.当工程运行时,该图片在场景中所占用显存的大小
C.对图片的格式,压缩后所占用的外存的大小
D.以上均不正确
第9题
B.某些网元可能不支持性能数据补采操作
C.由于某种原因(如网元与NetNumenU31服务器间的通信中断)导致NetNumenU31服务器上性能数据不完整时,如果网元上的性能数据还没有被清除,此时维护人员可以通过手工方式补采测量任务中丢失的性能数据
D.已进行数据完整性查询操作
第10题
A.Cloud VR终端需要内置高性能GPU
B.Cloud VR可以降低终端成本
C.Cloud VR要求移动网络支持更低时延
D.Cloud VR要求移动网络支持更大带宽