A、paddle.nn.Linear
B、paddle.nn.Conv2D
C、paddle.nn.MaxPool2D
D、paddle.nn.ReLU
答案：A
解析：应使用线性层paddle.nn.linear作为全连接层
A、paddle.nn.Linear
B、paddle.nn.Conv2D
C、paddle.nn.MaxPool2D
D、paddle.nn.ReLU
答案：A
解析：应使用线性层paddle.nn.linear作为全连接层
A. -rw-r----- , -r--------
B. -rw-r--r-- , -r--r--r--
C. -rw-r--r-- , -r--------
D. -rw-r--rw- , -r-----r--
解析：解析：在linux操作系统中， /etc/passwd文件中的每个用户都有一个对应的记录行,记录着这个用户的一下基本属性。该文件对所有用户可读。
而/etc/shadow文件正如他的名字一样，他是passwd文件的一个影子，/etc/shadow文件中的记录行与/etc/passwd中的一一对应，它由pwconv命令根据/etc/passwd中的数据自动产生。但是/etc/shadow文件只有系统管理员才能够进行修改和查看
A. 超人工智能
B. 强人工智能
C. 弱人工智能
D. 人工智能
解析：输入门是用来控制输入i’(t)进出多少或者是否允许进出的门控设备；
输出门是用来控制t时刻状态值m(t)对外多少是可见的门控设备；
遗忘门是控制RNN中历史状态m(t-1)流动到t时刻后允许多少进入t时刻的门控设备；
A. 计算图
B. 链式法则
C. 代价函数
D. 高阶微分
A. 用户
B. 综合数据库
C. 推理机
D. 知识库
A. 从偏差-方差分解的角度看，Boosting主要关注降低偏差
B. 从偏差-方差分解的角度看，Bagging主要关注降低方差
C. 随机森林简单、容易实现、计算开销小
D. Boosting不能基于泛化性能相当弱的学习器构建出很强的集成
解析：从偏差一方差分解的角度看，Boosting主要关住降低偏差，因此Boosting能基于泛化性能相当弱的学习器构建出很强的集成
A. 1比2
B. 2比1
C. 1比1
D. 2比2
解析：见算法解析
A. 卷积神经网络
B. 网络神经
C. 识别神经
D. 图像神经
