以下文字与答案无关
提示:有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题,这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏,所以恳请 广大网友理解。
Dropout
B:正则化
C:梯度下降
D:交叉验证
LeNet
B:AlexNet
C:GoogLeNet
D:LSTM
卷积层
B:池化层
C:全连接层
D:以上都可以
循环神经网络
B:LSTH
C:GRU
D:卷积神经网络
输入层
B:全连接层
C:卷积层
D:池化层
代码行、功能点
B:参数算法
C:专家估算法
D:函数估算法
学习率(learning rate)太低
B:正则参数太高
C:陷入局部最小值
D:以上都有可能
感知机
B:BB算法
C:BP算法
D:阿黛尔算法
全局梯度算法可以找到损失函数的最小值
B:批量梯度算法可以解决局部最小值问题
C:随机梯度算法可以找到损失函数的最小值
D:全局梯度算法收敛过程比较耗时
估算法
B:体表面积计算法
C:体重计算法
D:直接计算法
共轭样度发
B:梯度下降
C:高其消元
D:最小二乘法
共轭样度法
B:梯度下降法
C:高其消元
D:最小二乘法
全局梯度算法可以找到损失函数的最小值
B:批量梯度算法可以解决局部最小值问题
C:随机梯度算法可以找到损失函数的最小值
D:全局梯度算法收敛过程比较耗时
服务器虚拟化
B:存储虚拟化
C:网络虚拟化
D:桌面虚拟化
A、卷积层
B、池化层
C、全连接层
D、输出层
计算虚拟化
B:应用虚拟化
C:网络虚拟化
D:存储虚拟化
CPU 虚拟化
B:网络虚拟化
C:内存虚拟化
D:I/O 虚拟化
E:磁盘虚拟化