答案：在线推理
答案：在线推理
A. TRUE
B. FALSE
A. 普通梯度下降算法一定能收敛到全局极值点。
B. 普通梯度下降算法给每个参数设置不同的学习率。
C. 普通梯度下降算法需要手工设置学习率。
D. 普通梯度下降算法容易陷入局部极值点。
解析：解析(不同的参数使用不同的学习率如果数据是稀疏的且特征分布不均,似乎我们更应该给予较少出现的特征一个大的更新。这时可能需要对不同特征对应的参数设定不同的学习率。)
A. 防止过拟合。
B. MaxPooling在一定范围内保证了不变性。
C. 增大感受野。
D. Pooling有效降低了下一层输入数据的尺寸,减少了参数个数,减小了计算量。
A. 传统的基于规则的方法,其中的规律可以人工显性的明确出来
B. 传统基于规则的方法使用显性编程来解决问题
C. 机器学习中模型的映射关系是自动学习的
D. 机器学习所中模型的映射关系必须是隐性的
A. 共轭样度法
B. 梯度下降
C. 高其消元
D. 最小二乘法
A. False
B. True
以下哪些选项是TensorFlow2.xEagerExecution的特点?(多)
A. 直观
B. 性能
C. 可部署性
D. 灵活
A. Callback
B. Layers
C. Initializer
D. Model
