課程四(Convolutional Neural Networks)，第四 周（Special applications: Face recognition & Neural style transfer） —— 1.Practice quentions

標籤：最小   pre   his   soft   輸出   識別   神經網路   div   技術   

【解釋】

This allows us to learn to predict a person’s identity using a softmax output unit, where the number of classes equals the number of persons in the database plus 1 (for the final “not in database” class).

上述選項錯誤的原因：

1、plus 1的解釋錯誤：

將某人的照片放進卷積神經網路中，使用softmax單元來輸出種類，或者說標籤，分別對應這些不同的人，或者不是這些人中的任何一個，所以softmax裡我們會有比人的種類再多一種的輸出。但實際上這樣效果並不好，因為如此小的訓練集不足以去訓練一個穩健的神經網路。

2、for the final “not in database” class 表述錯誤

在一次學習問題中，只能通過一個樣本進行學習，以能夠認出同一個人。大多數Face Service系統都需要解決這個問題，因為在你的資料庫中每個僱員或者組員可能都只有一張照片，而不是沒有這個人的照片

【解釋】

給定一個內容映像C，給定一個風格圖片S，而目標是產生一個新圖片G。為了實現神經風格遷移，要做的是定義一個關於G的代價函數J用來評判某個產生映像的好壞，我們將使用梯度下降法去最小化J(G)，以便於產生這個映像。而不是簡單的輸入兩張圖片，然後 訓練網路來產生新的合成圖片。

【解釋】

輸出的volume的f=(32+2*0-3)/1 + 1 =30 ,有32個filters,所以輸出volume的維度為30*30*30*32

 

課程四(Convolutional Neural Networks)，第四 周（Special applications: Face recognition & Neural style transfer） —— 1.Practice quentions