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
答案：BD
解析：解析(B可能是局部最优,D下降最快方向。)
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
答案：BD
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
A. CNN
B. LSTM
C. RNN
D. GRU
A. 门可以选择性地以让信息通过它们由Sigmoid神经网络层和逐点乘法运算组成
B. LSTM可以通过“门”的精细结构向细胞状态添加或移除信息
C. LSTM的关键健是细胞状态,细胞状态贯穿整个链条,只有一些次要的线性交互作用,信息很容易以不变的方式流过
D. LSTM有两种门用来保持和控制细胞状态:遗忘门和输入门
A. 常用的池化方法有最大池化和平均池化
B. 经过池化的特征图像变小了
C. 池化层可以起到降维的作用
D. 池化操作采用扫描窗口实现
