A、 只有反向传播计算梯度。
B、 先正向传播计算出误差,再反向传播计算梯度。
C、 先反向传播计算出误差,再正向传播计算梯度。
D、 只有反向传播计算输出结果。
答案：B
A、 只有反向传播计算梯度。
B、 先正向传播计算出误差,再反向传播计算梯度。
C、 先反向传播计算出误差,再正向传播计算梯度。
D、 只有反向传播计算输出结果。
答案：B
A. 创建一个2*2的张量output,其中每一个元素值都为1
B. 创建一个2+2的张量output,其中元素的值为0,1,2,1
C. 创建一个2*2的张量output,其中每个元素的值随机确定
D. 创建一个2*1的张量值从[0,1]和[2,11中随机挑选
A. 连接主义的基本思想为:思维的基本是神经元,而不是符号处理过程,落脚点在神经元网络与深度学习。
B. 行为主义和符号主义在原理上比连接主义更加先进,因此目前的深度学习技术都是基于行为主义和符号主义建立的。
C. 行为主义的基本思想为:智能取决于感知和行动,提出智能行为的“感知—动作”模式。落脚点在行为控制、自适应与进化计算。
D. 符号主义的基本思想为:人类的认知过程是各种符号进行推理运算的过程。人是一个物理符号系统,计算机也是一个物理符号系统,因此,能用计算机来模拟人的智能行为。落脚点在推理,符号推理与机器推理。
正则化在深度学习中经常会使用到,在深度学习中常用正则化方法解决什么问题?单
A. 梯度消失问题
B. 过拟合问题
C. XOR问题
D. 数据不平衡问题
A. 联邦学习最早在2016年由百度公司提出。
B. 联邦学习有助于实现更安全的数据共享。
C. 联邦学习原本用于解决安卓手机终端用户在本地更新模型的问题。
D. 联邦学习的目的在于保证数据隐私安全及合法合规的基础上,实现共同建模,提升AI模型的效果。
解析：解析:由谷歌提出来的
A. 每隔32个step保存一个CheckPoint文件,且最多保存10个CheckPoint文件:CheckpointConfig(save_checkpoint_steps=32,keepⱣⱤcheckpointⱣⱤmax=10)
B. 开启断点续训功能:CheckpointConfig(save_checkpoint_steps=32,keep_checkpointⱣⱤⱣⱤmax=10,exception_save=True)
C. 每隔30秒保存一个CheckPoint文件,每隔3分钟保留一个CheckPoint文件:CheckpointConfig(save_checkpoint_seconds=30,keepⱣⱤcheckpointⱣⱤper(n)minutes=3)
D. 每隔30秒保存一个CheckPoint文件且每隔32个step保存一个CheckPoint文件:CheckpointConfig(save_checkpoint_steps=32,saveⱣⱤcheckpointⱣⱤseconds=30)
A. K值可由人为设定,是一个超参数。
B. K值越小越容易过拟合,因为分割过于细腻。
C. K值越大越容易过拟合,因为分割过于细腻。
D. 一般来说,较大的K值会降低噪声对分类的影响,但会使类之间的边界不那么明显。
