A、归一化
B、白化
C、数据增强
D、批量归一化
答案：D
解析：批量归一化对隐含层的输入进行归一化，更好的尺度不变性（应对内部协变量偏移），更好的优化地形（输入处于不饱和区域，从而让梯度变大）
A、归一化
B、白化
C、数据增强
D、批量归一化
答案：D
解析：批量归一化对隐含层的输入进行归一化，更好的尺度不变性（应对内部协变量偏移），更好的优化地形（输入处于不饱和区域，从而让梯度变大）
解析：正确
A. echo
B. output
C. print
D. console.log
A. 最小
B. 最快
C. 最大
D. 最明显
解析：梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。
A. popitem()
B. del a[＇k3＇]
C. clear(＇k3＇)
D. pop(＇k3＇)
解析：见函数库
A. 算法运算
B. 云计算
C. 深度学习
D. 集成应用
A.
梯度下降
B. Dropout
C. 交叉验证
D. 正则化
解析：梯度下降是我们最常用的最小化损失函数的方法
A. 全局特征丢掉了图像细节
B. 提取不到主要特征
C. 存储效率低下
D. 太多的错误匹配
解析：早期图像识别技术中存在的主要问题是全局特征丢掉了图像细节。
A. 4004
B. 8080
C. 8008
D. 6006
解析：在TensorFlow中，TensorBoard运行时的默认访问端口是以下哪个端口号是6006
