CV 2

Warstwa BN pomoże z

• Zanikającym/eksplodującym gradientem

• Przetrenowaniem

• Niedopasowaniem

• Regularyzacją

Warstwa Dropout pomoże z

• Zanikającym/eksplodującym gradientem

• Przetrenowaniem

• Niedopasowaniem

• Czasem trwania treningu

Sieci Resnet wprowadzają

• Rozbudowane bloki konwolucyjne

• Niesekwencyjne sieci poprzez dodanie połączeń pomijających

• Zastosowanie ReLu jeako funkcji aktywacji

• Użycie warstw Dropout i BN

Największą (w sensie głębokości) sekwencyjną siecią CNN jest

• AlexNet

• DarkNet

• Resnet

• VGG19

Typowa struktura sieci CNN

• Conv - Pool - Flatten - Dense

• Pool - Conv - Dense - Flatten

• Flatten - Conv - Pool - Dense

Domyślną funkcją aktywacji w warstwie tf.keras.layers.Conv2D jest:

• relu

• sigmoid

• tanh

• linear

Domyślną wartością parametru stride w warstwie tf.keras.layers.Conv2D jest:

• 2

• 1

• stride = kernel_size

• 0

Domyślną wartością parametru stride w warstwie tf.keras.layers.MaxPooling2D jest:

• 2

• 1

• stride = kernel_size

• 0

Ile filtrów zastosowano w drugiej warstwie Splotowej?

• 32

• 13

• 64

• 6

• 18496

Ile warstw (trenowalnych) ma sieć ze schematu?

• 8

• 6

• 2

• 4