342.以下关于梯度下降法的描述,错误的是哪些项?
A. 负梯度方向是函数下降最快的方向
B. 梯度下降法一定够在凸优化问题中取得全局极值点
C. 梯度下降法不一定能够在凸优化问题中取得全局极值点
D. 负梯度方向是函数上升最快的方向
解析:解析(B可能是局部最优,D下降最快方向。)
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d27-bb59-c0d7-b77d19146f00.html
点击查看答案
1、MindSpore通过对一阶矩阵进行近似表达,降低计算复杂度,然后对矩阵进行降频、降维以加速计算。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-d65f-c0d7-b77d19146f00.html
点击查看答案
1、以下对于数据转换的描述中,哪些选项是正确的?多
A. 在文本中,通过词嵌入将词转化为词向量也是一种数据转换。
B. 数值数据转换为类别数据可以减少变量的值。
C. 在分类问题中,将类别数据编码成为对应的数值表示。
D. 对数据进行初步的预处理后,需要将其转换为一种适合机器学习模型的表示形式。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-f5db-c0d7-b77d19146f00.html
点击查看答案
1、以下关于生成对抗网络的描述中,哪几项是正确的?(多)
A. 判别器的输入主要是生成器生成的样本数据。
B. 生成器的输入主要是噪声数据和真实样本数据。
C. 生成对抗网络是一种框架、通过对抗过程,训练生成器和判别器。
D. 训练GAN框架采用BP算法。
解析:解析:生成器的输入主要是噪声数据,而不是真实样本数据
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-0d9f-c0d7-b77d19146f00.html
点击查看答案
1、以下选项中,哪个选项的模型无法分割非线性数据集?单
A. KNN
B. SVM
C. 神经网络
D. 一元线性回归
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-f0d1-c0d7-b77d19146f00.html
点击查看答案
470.TensorFlow2.x提供TensorFlow1.的兼容性模块
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d28-2270-c0d7-b77d19146f00.html
点击查看答案
1、以下关于回归模型调试与应用的描述中,错的是哪一项?单
A. 如果出现过拟合,可以使用带有正则项的LASSO回归或者Ridge回归,并调节超参数。
B. 当训练完成之后,需要使用测试集进行测试,确保模型的泛化能力。
C. 如果出现欠拟合,可以使用更加复杂的回归模型,比如逻辑回归。
D. 如果最后的模型效果不好,也需要注意使用数据清理与特征工程。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-e307-c0d7-b77d19146f00.html
点击查看答案
177.梯度下降算法中,损失函数曲面上轨迹最混乱的算法是以下哪种算法?
A. SGD
B. BGD
C. MGD
D. MBGD
解析:解析:sgd:随机梯度下降法,BGD:批量梯度下降。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d27-3890-c0d7-b77d19146f00.html
点击查看答案
1、反向传播算法是深度学习神经网络中重要的算法,以下哪项关于其算法步骤是正确的?单
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。
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d25-e505-c0d7-b77d19146f00.html
点击查看答案
1、以下关于张量的叙述,正确的是哪些项?多
A. 一阶张量可以理解成一个向量
B. MindSpore中最基础的数据结构是张量
C. 张量就是数据矩阵
D. 张量是基于向量和矩阵的推广
https://www.shititong.cn/cha-kan/shiti/0000bc71-7d26-1ae3-c0d7-b77d19146f00.html
点击查看答案