答案:A
答案:A
A. 由于负数部分恒为0,会导致一些神经元无法激活
B. 输出不是以0为中心
C. 解决了梯度消失、爆炸的问题
D. 计算方便,计算速度快,求导方便
解析:见算法解析
A. &
B. *
C. #
D. //
解析:正确
解析:正确
A. 输入层
B. 输出层
C. 卷积层
D. 全连接层
A. 最小
B. 最快
C. 最大
D. 最明显
解析:梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。
A. P30
B. Mate 20
C. 荣耀 V20
D. iPhone10
A. 不同的神经网络结构,层数与神经元数量正相关,层数越多,神经元数量越多
B. 网络结构的层次越深,其学习特征越多,10层的结构要优于5层结构
C. 深层网络结构中,学习到的特征一般与神经元的参数量有关,也与样本的特征多少有关
D. 网络的层次越深,其训练时间越久,5层的网络比4层的训练时间长
解析:不同训练数据集的神经网络结构的最优层数不同,并非层数越深效果越好,训练时间除了与层数有关以外,batchsize大小、学习率、衰减方式等都有很大影响,神经元的数量并不一定与层数正相关
A. 全连接
B. 词嵌入层
C. 卷积层
D. 以上选项均不正确