A、算法训练
B、验证
C、推理计算
D、管理
答案:ABD
解析:主要应用
A、算法训练
B、验证
C、推理计算
D、管理
答案:ABD
解析:主要应用
A. 特征编码
B. 缺失值处理
C. 数据标准化
D. 特征离散化
A. 目标值
B. 结果
C. 自变量
D. 因变量
A. 输入层
B. 隐藏层
C. 传输层
D. 输出层
解析:见算法解析
A. 卷积核数量越多特征图通道数越少
B. 卷积核size越大特征图通道数越多
C. 卷积核数量越多特征图通道数越多
D. 二者没有关系
解析:卷积核数量越多特征图通道数越多
A. 预测
B. 回归
C. 分类
D. 聚类
A. 文本中词计数
B. 词的向量标注
C. 词性标注(Part of Speech Tag)
D. 基本依存语法
A. 从DataFrame类导入pandas类
B. 从pandas库导入DataFrame类
C. 从pandas库导入DataFrame库
D. 从DataFrame库导入pandas类
解析:from 模块名 import 具体的功能
A. 代码编写较为简洁和方便
B. 计算图构建很长时间后才提示错误
C. 无法使用pdb或print语句调试执行
D. 控制流与Python不同,造成一定的学习门槛
解析:见算法解析
A. 29x29
B. 27x27
C. 28x28
D. 30x30
解析:以Le-net5为例,输入图像32x32x1,kernel=5x5,step=1,padding=1,则经第一次卷积操作后,输出ferturemap大小为28x28