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。