如果我们去掉ReLU层，这个神经网络仍能够处理非线性函数。

神经网络可以生成任意的决策边界。

负对数似然度损失函数和欧式距离损失函数都是用于计算像素区域的修复。

GAN只能用于深度神经网络。

训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。

在北美地区，电视和影像使用的标准帧频是23.976fps，这个也被认为等同于常规的传统35毫米胶片的（）帧的帧频。

神经网络进行图片语义分割时，先用CNN处理输入，再用反CNN得到输出。

在数据很稀疏和神经网络参数量较少的场景下，偏向于使用L-BFGS而不是SGD。

激活函数为有限值时，基于梯度的优化方法更加稳定。

欠拟合是模型不能在训练集上获得足够低的误差，过拟合是指训练误差和测试误差差距小。