e798. p5. 卷積神經網路 - 高中生程式解題系統

內容

2019TOI1214 新手同好會 5. 卷積神經網路 (CNN) {試題連結}

問題敘述

卷積神經網絡 (Convolutional Neural Network) 簡稱 CNN，是現在最火紅的深度學習課程必教的模型。CNN 在影像識別方面非常厲害，許多影像辨識的模型都是以 CNN 的架構為基礎去做延伸。 CNN分為三個部分：卷積層 (convolution layer)、池化層 (pooling layer) 和全連接層 (fully connected layer)。卷積層用於提取影像特徵，池化層減小資料的空間大小，全連接層主要目的為實現分類。池化層最常見的作法是最大池化法 (max pooling)，它將輸入的影像劃分為若干個 2×2 的矩形子區域，對每個子區域輸出最大值。給定一個 n×n 的二維陣列，請實作最大池化演算法並輸出池化後的結果。

最大池化法示意圖
圖片來源：https://embarc.org/embarc_mli/doc/build/html/MLI_kernels/pooling_max.html

評分說明此題目測資分成兩組，每組測資有多筆測試資料，需答對該組所有測試資料才能獲得該組分數。各組詳細限制如下：子任務1 分數40 額外輸入限制 n = 4。子任務2 分數60 無特別限制。

輸入說明

第一行有一個正整數 n（4<=n<= 20，n 為 2 的倍數），代表輸入影像邊長。接下去有 n 行，每行各有 n 個數字，數值範圍[-2^31, 2^31) {原題不明確，這明定為int範圍}，以空白隔開，代表影像陣列中的資料值。

輸出說明

輸出經 2x2 最大池化後的結果。

範例輸入 #1

4
12 20 30 0
8 12 2 0
34 70 37 4
112 100 25 12

範例輸出 #1

20 30
112 37

範例輸入 #2

6
10 2 0 12 1 3
21 0 13 2 2 0
0 0 0 10 0 0
19 2 0 13 61 1
0 1 32 3 0 2
9 2 0 31 11 0

範例輸出 #2

21 13 3
19 13 61
9 32 11

範例輸入 #3

4
-2147483648 -1 2 3
-5 -6 2147483647 -543
6 7 8 9
9 8 7 6

範例輸出 #3

-1 2147483647
9 9

測資資訊：

記憶體限制： 256 MB
公開測資點#0 (5%): 1.0s , <1K
公開測資點#1 (5%): 1.0s , <1K
公開測資點#2 (5%): 1.0s , <1K
公開測資點#3 (5%): 1.0s , <1K
公開測資點#4 (5%): 1.0s , <1K
公開測資點#5 (5%): 1.0s , <1K
公開測資點#6 (5%): 1.0s , <1K
公開測資點#7 (5%): 1.0s , <1K
公開測資點#8 (5%): 1.0s , <1M
公開測資點#9 (5%): 1.0s , <1M
公開測資點#10 (5%): 1.0s , <1M
公開測資點#11 (5%): 1.0s , <1M
公開測資點#12 (5%): 1.0s , <1M
公開測資點#13 (5%): 1.0s , <1M
公開測資點#14 (5%): 1.0s , <1K
公開測資點#15 (5%): 1.0s , <1M
公開測資點#16 (5%): 1.0s , <1M
公開測資點#17 (5%): 1.0s , <1K
公開測資點#18 (5%): 1.0s , <1M
公開測資點#19 (5%): 1.0s , <1K

提示：

TOI官網參考解只處理非負值，這裏改為有負值

標籤:

出處:

2019年 12月 TOI 新手同好會 [管理者： p3a_owhj (阿普二信) ]

編號	身分	題目	主題	人氣	發表日期
26292	406490150@gm ... (我是朱朱)	e798	［Python］不用index，改用zip～	719	2021-07-31 01:35