ラビットチャレンジ 深層学習day4レポート 確認テスト

Section1~3は範囲内に確認テストがないため省略

確認テストがないため省略

Section4 応用技術

Q.MobileNet 穴埋め

Depthwise Convolitionはチャネル毎に空間方向へ畳み込む。すなわち、チャネル毎にDK×DK×1のサイズのフィルターをそれぞれ用いて計算を行うため、その計算量は(い)となる。
次にDepthwise Convolutionの出力をPointwise Convolutionによってチャネル方向に畳み込む。すなわち、出力チャネル毎に1×1×Mサイズのフィルターをそれぞれ用いて計算を行うため、その計算量は(う)となる。

A.
(い)H×W×C×K×K
(う) H×W×C×M
Q.WaveNet 穴埋め
深層学習を用いて結合確率を学習する際に、効率的に学習が行えるアーキテクチャを提案したことがWaveNet の大きな貢献の1 つである。提案された新しいConvolution 型アーキテクチャは(あ)と呼ばれ、結合確率を効率的に学習できるようになっている。
A.
Dilated causal convolution
Q.WaveNet 穴埋め
(あ)を用いた際の大きな利点は、単純なConvolution layer と比べて(い)ことである
A.
パラメータ数に対する受容野が広い

Section5~6は範囲内に確認テストがないため省略

コメント

タイトルとURLをコピーしました