1. Qu'est-ce qu'une couche convolutionnelle dans un réseau de neurones convolutifs (CNN) ?
2. Quelle est la formule pour calculer la dimension de la sortie d'une convolution 2D avec padding zéro, stride s, et filtre de taille f, appliquée à une entrée de dimension w ?
3. Quel est le rôle principal de la formule de calcul de la dimension des tenseurs en convolution dans un CNN ?
Couches convolutionnelles — rôle ?
Extraire des caractéristiques locales dans une image.
Filtrage — définition ?
Application d’un kernel pour détecter motifs ou contours.
Dimension tenseur — formule ?
(w_out, h_out, c_out) selon padding, stride, f.
Paramètres convolutionnels — calcul ?
Taille du filtre, nombre de filtres, biais.
Opérations convolution — mécanisme ?
Produit scalaire entre filtre et sous-zone, puis somme.
Padding zéro — effet ?
Conserve ou ajuste la taille de la sortie.
The revision sheet covers the essential concepts of Principes fondamentaux des CNN. It is organized by topic to facilitate learning and memorization, with key definitions, explanations and summaries.
Read the full sheet →The quiz contains 12 multiple-choice questions with detailed corrections and explanations for each answer. Ideal for testing your knowledge and identifying gaps.
Take the quiz (12 questions) →Revizly offers 24 interactive flashcards on Principes fondamentaux des CNN. Each card presents a question on the front and the answer on the back, enabling active and effective revision based on spaced repetition.
See all 24 flashcards →Intelligence Artificielle
Import your PDF or paste your course, AI generates sheets, quizzes and flashcards in 30 seconds.