A、Tensorflow
B、Pytorch
C、Caffe2
D、Paddle
答案:ABCD
解析:见算法解析
A、Tensorflow
B、Pytorch
C、Caffe2
D、Paddle
答案:ABCD
解析:见算法解析
A. Caffe
B. TensorFlow
C. MLOps
D. PaddlePaddle
A. Scipy
B. skimage
C. opencv
D. gensim
解析:gensim主要用来以无监督的方式从原始的非结构化文本当中来学习到文本隐藏层的主题向量表达。
A. 线性变换
B. 非线性变换
C. 拉布拉斯变换
D. z变换
解析:主成分分析是一种数据降维和去除相关性的方法,它通过线性变换将向量投影到低维空间。
A. Windows
B. MacOS
C. CentOS
D. Ubuntu
解析:基础概念理解
A. FastText
B. BERT
C. GoogLeNet
D. ResNet
解析:见算法解析
A. 1)收集数据,2)准备数据,3)分析数据,4)训练算法,5)测试算法,6)使用算法
B. 1)收集数据,2)分析数据,3)准备数据,4)训练算法,5)测试算法,6)使用算法
C. 1)收集数据,2)分析数据,3)准备数据,4)测试算法,5)训练算法,6)使用算法
D. 1)收集数据,2)分析数据,3)测试算法,4)训练算法,5)准备数据,6)使用算法
解析:机器学习算法的一般流程
(1) 收集数据:可以使用任何方法。
(2) 准备数据:距离计算所需要的数值,最好是结构化的数据格式。
(3) 分析数据:可以使用任何方法。
(4) 训练算法:此步骤不适用于k-近邻算法。
(5) 测试算法:计算错误率。
(6) 使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输
入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。
解析:卷积核的大小是一个超参数(hyperparameter),也就意味着改变它既有可能提高亦有可能降低模型的表现。
A. exsiny+excosy
B. exsinyex+exsinyey
C. exsinyex+excosyey
D. excosyex+excosyey
解析:梯度概念