答案:B
A. 奇函数
B. 偶函数
C. 非奇非偶函数
D. 奇偶性不确定
解析:f(0)=0,f(-x)=-f(x)为奇函数
A. 内嵌 keras
B. 支持动态图
C. 自动求导
D. GPU 加速
A. VGG全部使用了3*3的卷积核和2*2的池化核
B. VGG证明了网络越深越好,所以程序员应该没有限制的搭建更深的网络
C. VGG是到目前为止分类效果最好的网络结构
D. VGG没有使用全连接网络结构
解析:VGG全部使用了3*3的卷积核和2*2的池化核
A. TensorFlow
B. PyTorch
C. PaddlePaddle
D. Caffe
A. 连接
B. 复制
C. 变异
D. 结合
A. 分类和计算
B. 清洗和处理
C. 辨识和分类
D. 存储和利用
A. SVM分类
B. 使用SelectiveSearch输出候选框
C. 使用MLP进行分类与回归预测
D. 使用ROIpooling
解析:见算法解析
A. a
B. b
C. c
D. true
A. 归一化可以预防过拟合
B. 归一化没有实质作用
C. 归一化将所有数据样本之缩放到0-1之间
D. 归一化是一种激活函数
解析:数据的标准化和归一化:数据的标准化是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标中经常会用到,去除数据的单位限制,将其转化为无量纲的数值,便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据归一化处理,既将数据统一映射到[0,1]区间上
A. F(x)^2
B. F(x)F(y)
C. 1-[1-F(x)]^2
D. [1-F(x)][1-F(y)]
解析:只有A正确, Fz(x)=P{Z≤x}=P{max{X,Y}≤x}=P{X≤x,Y≤x}=P{X≤x}P{Y≤x}=F(x)^2