A、bool([ ]) & bool(1)
B、bool([ ]) | bool(1)
C、 bool([ ]) && bool(1)
D、 bool([ ]) or bool(1)
答案：A
解析：按照逻辑真值判断即可, 注意C项存在语法错误, 没有输出结果
A、bool([ ]) & bool(1)
B、bool([ ]) | bool(1)
C、 bool([ ]) && bool(1)
D、 bool([ ]) or bool(1)
答案：A
解析：按照逻辑真值判断即可, 注意C项存在语法错误, 没有输出结果
A. K近邻方法
B. 局部加权回归法
C. 基于案例的推理
D. Find-s算法
解析：正确
A. LeNet
B. GoogleNet
C. Bi-LSTM
D. BERT
解析：Bi-LSTM属于循环神经网络
A. 自动实现分布式并列计算
B. 支持大规模海量数据处理
C. 借鉴函数式编程思路
D. 简洁易用
A. 自增加
B. 自循环
C. 自递归
D. 自减少
解析：长短期记忆LSTM的核心贡献是引入了自循环 的巧妙构思,该构思中的权重视上下文而定，而不是固定的。
A. 置信度
B. 对比度
C. mAP
D. 分辨率
解析：mAP表示算法处理每张照片时间。
A. 01月02日
B. 01月03日
C. 02月03日
D. 05月06日
解析：【分析】
根据正方体骰子共有6个面，通过观察向上一面的点数，即可得到与点数2的差不大于1的概率．
【详解】
∵正方体骰子共6个面，
每个面上的点数分别为1、2、3、4、5、6，
∴与点数2的差不大于1的有1、2、3．
∴与点数2的差不大于1的概率是 ．
故选：A
A. 添加正则化项
B. 降低模型复杂度
C. 减少训练数据量
D. 使用Dropout
解析：应增加训练数据以降低过拟合
A. 常量
B. 变量
C. 张量
D. 占位符
解析：Placeholder的中文意思就是占位符因为每增加一个常量,TensorFlow都会在计算图中增加一个结点,所以说拥有几百万次迭代的神经网络会拥有极其庞大的计算图,而占位符却可以解决这一点,它只会拥有占位符这一个结点
