iPAS 考題解析CNN 使用線性激活函數導致訓練停滯,應改用什麼?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:D. 改用 ReLU
線性激活函數讓再多層的網路都等於一層線性變換,學不到複雜的非線性特徵。ReLU(x) = max(0, x) 引入非線性、計算簡單且能緩解梯度消失(Vanishing Gradient)。Sigmoid 雖然也是非線性,但在深層網路容易梯度消失,訓練仍可能停滯,因此 ReLU 是首選。
每個選項為什麼對或錯
-
A 增加卷積層 錯誤選項
增加卷積層不能解決線性激活的根本問題
-
B 灰階處理圖片 錯誤選項
灰階處理減少資訊,不解決激活函數問題
-
C Sigmoid 錯誤選項
Sigmoid 可以引入非線性但容易梯度消失(Vanishing Gradient),ReLU 更好
-
D 改用 ReLU 正解
答案、題目或解析有問題?回報這題