A、paddle.nn.Linear
B、paddle.nn.Conv2D
C、paddle.nn.MaxPool2D
D、paddle.nn.ReLU
答案：A
解析：应使用线性层paddle.nn.linear作为全连接层
A、paddle.nn.Linear
B、paddle.nn.Conv2D
C、paddle.nn.MaxPool2D
D、paddle.nn.ReLU
答案：A
解析：应使用线性层paddle.nn.linear作为全连接层
A. Spark核心层
B. 资源计算层
C. 服务核心层
D. Spark层
A. 正确
B. 错误
A. 自然语言处理
B. 计算机视觉
C. 语音识别
D. 知识图谱
解析：自然语言处理问题更接近人类高级认知智能，有很多重要的开放问题。
A. 模型分类的召回率不变
B. 模型分类的召回率会升高
C. 模型分类准确率会升高或不变
D. 模型分类准确率降低
解析：准确率：即预测结果正确的百分比。精确率（查准率）：预测结果为正例样本中真实为正例的比例（查得准）。召回率（查全率）：真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力。F-score：在实践中，我们定义了新的指标去“综合”这两个指标。具体的定义如公式（3），从数学上来看，它其实是查准率与查全率的调和平均数。对于二元分类问题，F-score 综合考虑了预测结果的查准率和查全率，是一个比较好的评估指标。
A. 可以提高特征关联性
B. 可以减轻维数灾难问题
C. 可以降低学习任务的难度
D. 特征选择和降维具有相似的动机
解析：见算法解析
A. 机器翻译
B. 自然语言处理
C. 多媒体技术
D. 语音识别
A. 9
B. 10
C. 45
D. 90
解析：冒泡排序法:是一种最简单的交换类排序法，它是通过相邻数据元素的交换逐步将线性表变成有序。假设线性表的长度为n，若初始序列为"正序"序列，则只需进行一趟排序，在排序过程中进行n-1次关键字间的比较，且不移动记录;反之，若初始序列为"逆序"序列，则需进行n-1趟排序，需进行n(n-1)/2次比较，并作等数量级的记录移动。冒泡排序所需要的比较次数为n(n-1)/2，n的长度是10，也就是10*(10-1)/2=45。
A. LS>1、LN<1
B. LS<1、LN>1
C. LS=1、LN=1
D. LS>1、LN>1
