word2vec的训练方式有2种，一个是根据上下文预测中心词的CBOW模型，一种是由中心词预测上下文的skip-gram模型。

A. 每一张图片都是二值图片$;$每一张图片都是三通道图片$;$模型一次处理224张图片（batchsize为224）$;$以上选项均不正确

A. 均方差$;$Sigmoid交叉熵$;$Sofmax交叉熵$;$Sparse交叉熵

A. 召回率$;$混淆矩阵$;$均方误差$;$准确率

A. 用户$;$综合数据库$;$推理机$;$知识库

A. 防止过拟合$;$减小误差$;$增加网络复杂度

A. 支持向量机可以用于处理二分类及多分类问题$;$支持向量机只能用于线性可分的分类问题$;$支持向量机可用于回归问题$;$核函数的选择对支持向量机的性能影响较大

A. Transformer$;$Sel-Attention模块$;$RNN循环连接$;$文本卷积

A. for a in range(10):   
time.sleep(10)$;$while 1<10: 
time.sleep(10)$;$while True:
break$;$a = [3,-1,＇,＇]
for i in a[:]:   
if not a:       
break