A、dict1={{＇apple＇},5}
B、dict2={＇apple＇: (1,2,3)}
C、dict3={[1,2,3],＇apple＇}
D、dict4={(1,2,3),＇apple＇}
答案：AC
解析：见函数库
A、dict1={{＇apple＇},5}
B、dict2={＇apple＇: (1,2,3)}
C、dict3={[1,2,3],＇apple＇}
D、dict4={(1,2,3),＇apple＇}
答案：AC
解析：见函数库
A. 1.2.3.4
B. 1.3.4.6
C. 1.2.3.4.5.6
D. 3.4.6
解析：DSSM经典模型的优点;1.解决了字典爆炸问题，降低了计算复杂度；2.中文方面使用字作为最细切分粒度，可以复用每个字表达的词义，减少分词的依赖，从而提高模型的泛化能力；3.字母的n-gram可以更好的处理新词，具有较强的鲁棒性；4.使用有监督的方法，优化语义embedding的映射问题；5.省去了人工特征工程；6.采用有监督训练，精度较高。
A. 解决了字典爆炸问题，降低了计算复杂度
B. 省去了人工特征工程
C. 采用有监督训练，精度较高
D. 效果不可控
解析：见算法解析
A. 全连接层
B. 输入层
C. 池化层
D. 卷积层
解析：vgg19是常用的卷积神经网络之一，包括16层卷积层和3层全连接层，中间用到池化层
A. 对样本进行抽样，在经过抽样的样本上训练
B. 应用PCA算法降维，减少特征数量
C. 根据重要性对特征进行筛选
D. 以上所有
A. 无监督学习
B. 多媒体学习
C. 有监督学习
D. 强化学习
解析：人工智能发展阶段中技术驱动阶段包括基本算法和算法语言程序。
A. 结构化数据
B. 半结构化数据
C. 非结构化数据
D. 大数据
