705件中 521〜540件を表示 (1ページ最大20件)
| ID | 問題 | 章 | 論点 | 種類 | 有効 | |
|---|---|---|---|---|---|---|
| #185 | 3×3、Cin=3、Cout=16、groups=1、biasありのConv2dパラメータ数は? | 畳み込みニューラルネットワーク | パラメータ数 | 数式 | ○ | 編集 |
| #184 | biasありgrouped Conv2dの学習パラメータ数は? | 畳み込みニューラルネットワーク | パラメータ数 | 数式 | ○ | 編集 |
| #183 | PyTorch Conv2dのweightのshapeは? | 畳み込みニューラルネットワーク | テンソルshape | PyTorch対応 | ○ | 編集 |
| #182 | 畳み込み層のフィルタ数Coutを増やすと、一般に何が増える? | 畳み込みニューラルネットワーク | 計算量 | 選択肢消去 | ○ | 編集 |
| #181 | strideを大きくすると、一般に出力と計算量はどうなる? | 畳み込みニューラルネットワーク | ストライド | 選択肢消去 | ○ | 編集 |
| #180 | ゼロパディングの主な役割は? | 畳み込みニューラルネットワーク | パディング | 選択肢消去 | ○ | 編集 |
| #179 | stride=1で奇数カーネルK、dilation=Dの空間サイズを保つ対称padding Pは? | 畳み込みニューラルネットワーク | パディング | 数式 | ○ | 編集 |
| #178 | 畳み込み出力サイズの式でfloorが必要なのはなぜ? | 畳み込みニューラルネットワーク | 出力shape | 選択肢消去 | ○ | 編集 |
| #177 | 入力31×40、kernel=(3,5)、stride=(2,3)、padding=(1,2)のConv2d出力空間サイズは? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #176 | 28×28入力に3×3、stride=1、padding=2、dilation=2を適用した出力は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #175 | 32×32入力に3×3、stride=2、padding=1の畳み込みを行うと出力は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #174 | 7×7入力に3×3、stride=2、padding=0の畳み込みを行うと出力は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #173 | 7×7入力に3×3、stride=1、padding=1の畳み込みを行うと出力は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #172 | 7×7入力に3×3、stride=1、padding=0の畳み込みを行うと出力は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #171 | kernel_size=K、dilation=Dの実効カーネルサイズは? | 畳み込みニューラルネットワーク | 受容野 | 数式 | ○ | 編集 |
| #170 | dilationを含むConv2dの出力高さHoutの一般式は? | 畳み込みニューラルネットワーク | 出力shape | 数式 | ○ | 編集 |
| #169 | PyTorchのnn.Conv2dが厳密に計算するのは、数学的な畳み込みか? | 畳み込みニューラルネットワーク | 畳み込み | PyTorch対応 | ○ | 編集 |
| #168 | Conv2dでバイアスを使う場合、バイアスはいくつある? | 畳み込みニューラルネットワーク | パラメータ数 | 即答 | ○ | 編集 |
| #167 | groups=1の通常畳み込みで、多チャネル入力から1出力チャネルの1位置をどう計算する? | 畳み込みニューラルネットワーク | 畳み込み | 数式 | ○ | 編集 |
| #166 | 畳み込み層の出力チャネル数と、各フィルタの深さは何で決まる? | 畳み込みニューラルネットワーク | テンソルshape | 即答 | ○ | 編集 |