A、正向推理
B、逆向推理
C、双向推理
D、简单推理
答案:D
A、正向推理
B、逆向推理
C、双向推理
D、简单推理
答案:D
A. bdi模型
B. 协商模型
C. 联合规划模型
D. 自协调模型
A. 特征稠密
B. 特征稀疏
C. 能够表征词与词之间的相互关系(相似度计算)
D. 泛化性更好,支持语义运算sim
解析:见算法解析
A. 文字生成
B. 图像生成
C. 图像识别
D. 数据增强
A. training set
B. test set
C. validation set
D. verification set
A. 非线性结构
B. 环状结构
C. 线性结构
D. 条状结构
解析:正确
A. var=var.to("cuda:0")、var=var.to("cuda:1")
B. var=var.to("cuda:1")
C. var=var.cuda()、var=var.to("cuda:0")
D. var=var.cuda()、var=var.to("cuda:1")
解析:可以将变量名为var的tensor放在GPU上运行的代码是var=var.cuda()、var=var.to("cuda:0")
A. 设计专家系统
B. 诊断专家系统
C. 预测专家系统
D. 规划专家系统
A.
神经网络的类型(如MLP,CNN)
B. 输入数据
C. 计算能力(硬件和软件能力决定)
D. 学习速率与映射的输出函数
解析:所有上述因素对于选择神经网络模型的深度都是重要的。特征抽取所需分层越多, 输入数据维度越高, 映射的输出函数非线性越复杂, 所需深度就越深. 另外为了达到最佳效果, 增加深度所带来的参数量增加, 也需要考虑硬件计算能力和学习速率以设计合理的训练时间。