[判断题](2分)卷积神经网络是所谓深度神经网络的最重要的模型,深度就是隐层非常多的意思,深度越深,性能越好。()A.对B.

考查要点：本题主要考查对深度神经网络核心概念的理解，特别是对“深度”含义及性能关系的辨析。

关键思路：

1. 明确“深度”的定义：深度神经网络的“深度”指网络中隐层的数量较多，但隐层数量并非越多越好。
2. 辨析性能与深度的关系：模型性能受网络结构、训练方法、数据量等多因素影响，盲目增加深度可能引发梯度消失/爆炸、过拟合等问题。
3. 结合卷积神经网络（CNN）特点：CNN通过局部连接和权值共享减少参数，其性能优势并非单纯依赖深度，而是层次化特征学习能力。

错误点解析：

1. “深度就是隐层非常多的意思”：
   • 深度神经网络的“深度”确实指隐层数量多，但隐层数量需合理设计，过深会导致训练困难。
2. “深度越深，性能越好”：
   • 模型性能与深度无直接正相关关系。例如：
     • 梯度消失/爆炸：深层网络中信号传递可能逐渐减弱或放大，影响训练。
     • 计算资源：更深网络需要更多算力和时间。
     • 过拟合风险：复杂模型易过度拟合训练数据，泛化能力下降。
   • 实际应用中需通过正则化、残差网络（ResNet）等技术缓解深层网络问题。

结论：题目中将“深度”等同于隐层数量多，并认为深度越深性能越好的表述是错误的。