答案：A
解析：正确
A. 平移
B. 删除
C. 移动
D. 收敛
解析：如果强行限制输出层的分布是标准化的，可能会导致某些特征模式的丢失，所以在标准化之后，BatchNorm会紧接着对数据做缩放和平移
A. 训练的周期
B. 训练的批次
C. 输入数据的维度
D. 数据的通道
解析：image=fluid.layers.data(name=＇image＇,shape=[1,28,28],dtype=＇float32＇)，代码中28表示输入数据的维度
A. 新增数据
B. 临时数据
C. 机构化数据
D. 非结构化数据
A. var=var.to("cuda:0")、var=var.to("cuda:1")@var=var.to("cuda:1")@var=var.cuda()、var=var.to("cuda:0")@var=var.cuda()、var=var.to("cuda:1")
B. var=var.to("cuda:1")@var=var.cuda()、var=var.to("cuda:0")@var=var.cuda()、var=var.to("cuda:1")
C. var=var.cuda()、var=var.to("cuda:0")@var=var.cuda()、var=var.to("cuda:1")
D. var=var.cuda()、var=var.to("cuda:1")
解析：在pytorch中，cuda()实现数据到GPU转移。
A. 适应性
B. 由简单单元组成
C. 广泛并行互连的网络
D. 线性特性
解析：见算法解析
A. 词性标注
B. 实体链接
C. 关系抽取
D. 命名实体识别
A. 照片攻击
B. 视频回放攻击
C. 照片面具攻击
D. 黑客网络攻击
解析：人脸活体检测主要是通过识别活体上的生理信息来进行，它把生理信息作为生命特征来区分用照片、硅胶、塑料等非生命物质伪造的生物特征来照片攻击、视频攻击和3D模型攻击
A. 线段
B. 平面
C. 点
D. 线
解析：见算法解析
解析：正确
