A、半结构化
B、结构化
C、文本化
D、非结构化
答案：B
A、半结构化
B、结构化
C、文本化
D、非结构化
答案：B
A. PB
B. EB
C. ZB
D. YB
A. 增加网络层数，可能会增加测试集分类错误率
B. 增加网络层数，一定会增加训练集分类错误率
C. 减少网络层数，可能会减少测试集分类错误率
D. 减少网络层数，一定会减少训练集分类错误率
解析：一般来说，神经网络层数越多，模型越复杂，对数据的分类效果越好。所以，从最简单的层数开始，增加网络层数都能使得训练误差和测试误差减小。但是，神经网络层数过多容易造成过拟合，即对训练样本分类效果很好，误差小，但是测试误差很大。
为了避免发生过拟合，应该选择合适的神经网络层数并使用正则化技术来让神经网络更加稳健。
A. 减少深层网络的梯度消失问题
B. 特种的重用
C. 模型参数明显增加
D. 增强特征的获取能力
解析：考察ResNet理解
A. TE-IDF
B. LDA
C. TextRank
D. SSA
A. Zookeeper
B. Chubby
C. RPC
D. Socket
A. 灰度图只有一个通道
B. 彩色图一定是RGB三通道
C. 不同的开发包，对读取图片的通道顺序必须相同
D. 以上说法都正确
解析：灰度图只有一个通道
A. 正确$;$错误
A. 机器学习
B. 深度学习
C. BP神经网络
D. 卷积神经网络
