A、任务
B、性能指标
C、经验来源
D、算法
答案：ABC
A、任务
B、性能指标
C、经验来源
D、算法
答案：ABC
A. 已知模型学习
B. 有模型学习
C. 模型学习
D. 学习模型
A. DVPP
B. GPU
C. AI 计算引擎
D. 芯片系统控制CPU
A. 一个数组
B. 两个数组
C. 三个数组
D. 四个数组
A. 需要大规模算力和海量数据资源支持
B. 需要研究人员对相关研究领域的数据有深刻理解
C. 大规模预训练模型存在隐私数据的提取问题
D. 大规模预训练语言模型在深层次的语言理解方面存在差距
解析：主要应用
解析：正确
解析： Precision不变时，Recall越大，1/Recall越小，从而F1越大；Recall不变时，Precision越大，1/Precision越小，从而F1越大。精确率越高越好，召回率越高越好。正确
A. K-Means聚类法对噪声和离群点敏感
B. K-Means聚类法对变量的要求比较高
C. 由K-Means聚类法得到的聚类结果，轮廓系数都不是很大。
D. 应用K-Means聚类法需要预先设定聚类个数
解析：k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 字符串
B. 列表
C. 元组
D. 集合
解析：ABC都是Python中的序列，但set不是，set本身是无序且不重复的，因此，它不能够通过索引及切片进行访问。
A. 全连接层
B. 隐藏层
C. 卷积层
D. 池化层
A. 专业、通用
B. 静态、动态
C. 单一、多样
D. 简单、复杂
解析：类脑计算系统从“专业”向“通用”逐步演进
