【AI面试】Dropout、SoftMax、KNN、K-means等问题

一、 Dropout处理问题

假设我们有一个5层的神经网络,这个神经网络在使用一个4GB显存显卡时需要花费3个小时来完成训练。而在测试过程中,单个数据需要花费2秒的时间。 如果我们现在把架构变换一下,当评分是0.2和0.3时,分别在第2层和第4层添加Dropout,那么新架构的测试所用时间会变为多少?

A、少于2s

B、大于2s

C、不变

D、说不准

解析:选C,

  • 训练阶段:Dropout采用随机失活的方式,避免过拟合,增强网络的鲁棒性; 
  • 预测阶段:Dropout 并不存在失活现象,故在架构中添加Dropout这一改动仅会影响训练过程,而并不影响测试过程,测试时间不变。

二、过拟合问题

下列的哪种方法可以用来降低深度学习模型的过拟合问题?

(1) 增加更多的数据或data augmentation

(2) Dropout

(3) 正规化数据

(4) 降低架构的复杂度

解析:全选, 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

钱多多先森

你的鼓励,是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值