答案:B
解析:load_data()→create_model()→model.fit()→model.predict()
答案:B
解析:load_data()→create_model()→model.fit()→model.predict()
A. 评估—前向后向算法
B. 解码—维特比算法
C. 学习—Baum-Welch 算法
D. 学习—前向后向算法
A. 217x217x3
B. 217x217x8
C. 218x218x5
D. 220x220x7
A. 更多的训练数据
B. L1正则化
C. L2正则化
D. 减小模型的复杂度
A. 词形还原(Lemmatization)
B. 欧氏距离(Euclidean Distance)
C. 余弦相似度(Cosine Similarity)
D. N-grams
A. 30%
B. 40%
C. 50%
D. 60%
A. Roberts算子
B. Prewitt算子
C. Sobel算子
D. Canny算子
解析:见算法解析
解析:应加大学习率
A. 词袋模型
B. one-hot编码
C. 独热编码
D. language model
解析:主要应用