以下哪些激活函数容易产生梯度消失问题?

A. 模型库

B. 中间库

C. 样本库

D. 训练运行平台

A. 防止模型欠拟合而加在损失函数后面的一项

B. L1范数符合拉普拉斯分布，是完全可微的

C. L1正则化项是模型各个参数的平方和的开方值

D. L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择

A. LeNet

B. Bert

C. VGG

D. ResNet

A. 向量计算单元

B. 标量计算单元

C. 张量计算单元

D. 矩阵计算单元

A. A + B = B + A

B. AB = BA

C. A(B+C) = AB + AC

D. (A+B)^2 = A^2 + 2AB + B^2

A. 支持向量机复杂度主要与支持向量的数目有关

B. 支持向量机训练完成后，大部分的训练样本都不需保留，最终模型仅与支持向量有关

C. SVM中划分超平面所产生的分类结果是最鲁棒的，对未见
示例的泛化能力最强.

D. “异或”问题可能会导致空间中样本线性不可分