多项选择题
在卷积神经网络中，卷积层和池化层的主要区别是什么？（）
A.卷积层主要负责特征提取，池化层主要负责特征压缩
B.卷积层的输出深度会增加，池化层的输出深度会减少
C.卷积层通过滑动窗口进行卷积运算，池化层通过下采样操作选择特征
D.卷积层用于分类任务，池化层用于检测任务
点击查看答案&解析
相关考题
-
多项选择题
在卷积神经网络中，卷积层通常具有哪些基本参数？（）
A.激活函数
B.卷积核大小
C.步长（stride）
D.填充（padding） -
多项选择题
以下关于L1正则化和L2正则化的特性的说法正确的是（）
A.L1正则化计算效率高
B.L2正则化可以用来进行特征选择
C.L1正则化可以得到稀疏的权重向量
D.L2正则化使用了与欧氏距离计算方式相似的L2范数 -
多项选择题
交叉熵损失函数（Cross-Entropy Loss）和均方差误差损失函数（Mean Squared Error，MSE）都是常用的损失函数，但它们在多个方面存在显著的差异。请选择以下关于这两个损失函数区别的正确描述（）
A.交叉熵损失函数主要用于分类问题，特别是多类别分类问题，而均方差误差损失函数主要用于回归问题
B.对于二分类问题，交叉熵损失函数的取值范围是[0，∞），而均方差误差损失函数没有明确的取值范围限制
C.交叉熵损失函数能够更好地反映概率分布之间的差异性，因为它使用了对数函数，而均方差误差损失函数没有这一特性
D.交叉熵损失函数能够有效解决梯度消失问题，而均方差误差损失函数在处理梯度消失方面表现较差
