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。
