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