A、 在卷积神经网络格中,池化层只能选择最大池化,而不韵选择其他方法。
B、 卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角,更多层的网络能从低级特征中迭代提取更复杂的特征。
C、 全连接层把所有局部特征结合变成全局特征用来计算最后每一类的得分。
D、 卷积神经网络中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。
答案：BCD
A、 在卷积神经网络格中,池化层只能选择最大池化,而不韵选择其他方法。
B、 卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角,更多层的网络能从低级特征中迭代提取更复杂的特征。
C、 全连接层把所有局部特征结合变成全局特征用来计算最后每一类的得分。
D、 卷积神经网络中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。
答案：BCD
A. 批量删除
B. 随机过采样
C. 随机欠采样
D. 合成采样
A. 添加L1或L2正则惩训项
B. 提前停止训练
C. 使用Dropout方法随机丢弃一部分输入
D. 扩充数据集,引入噪声
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。)
A. GPU
B. CPU
C. Ascend310
D. Ascend910
解析：解析:PyTorch是由Facebook研发的开源的深度学习框架,并且支持CPU和GPU加速计算。
A. 云上开发IDE+PyCharmToolKit)
B. 云上开发(Notebook+SDK
C. 本地开发IDE+PyCharmToolKit)
D. 本地开发(Notebook+SDK)
A. 文本识别OCR
B. 语音交互
C. 图引擎服务
D. 图像搜索
A. 多种开发模式满足不同需求
B. 灵活、高效、性价比高
C. 预预置训练模型,加速AI落地
D. 弹性训练提升训练效率
A. 一体化
B. 商单易用
C. 大规模
D. 高性能
A. 模型超参数通常由实践者直接指定
B. 模型超参数只能通过人工直接设定
C. 模型超参数通常根据给定的预测建模问题而调整
D. 模型超参数通常可以使用启发式方法来设置
解析：解析:1、模型超参数常应用于估计模型参数的过程中。2、模型超参数通常由实践者直接指定。3、模型超参数通常可以使用启发式方法来设置。4、模型超参数通常根据给定的预测建模问题而调整
A. 数据汇总
B. 训练模型
C. 合并多个数据源数据
D. 处理数据缺失
E. 数据过滤
