A.1到256
B.-127到128
C.0到256
D.0到65535
E.0到255
您可能感兴趣的试卷
你可能感兴趣的试题
A.PhotoElement
B.PhotoImage
C.PaintingImage
D.PictureElement
E.PictureObject
A.适合用于图形辨识
B.适合用于视频辨识
C.适合用于对话机器人
D.适合用于语音识别
E.适合用于理解文本(文章)
A.触发状态
B.隐藏状态
C.快取状态
D.回流状态
E.跳跃状态
A.GeoffreyHinton
B.Kai-FuLee
C.YoshuaBengio
D.YangLeCun
E.AndrewNg
A.池化层会出现在每个隐藏层
B.池化层目的是做特征的题曲
C.池化层运做完会得到特征图(FeatureMap)
D.池化层可以取代卷积层
E.第一层的卷积运算是在做图像边缘或纹理的特征提取
A.Kai-FuLee
B.GeoffreyHinton
C.YoshuaBengio
D.YangLeCun
E.AndrewNg
A.RNN
B.CNN
C.FCNN
D.LSTM
E.GAN
A.以数学眼光来看CNN是NN的子集合
B.机器学习是深度学习的一种
C.人工智能是一种深度学习
D.深度学习通常隐藏层在百层以上的神经网络,这样才够深
E.CNN是一种有记忆的神经网络,会记得上一次的输入
A.神经网络调整参数的方式是一种前馈神经网络(FeedforwardNeuralNetwork)
B.学习率在迭代的参数调整过程中会固定不变
C.梯度下降是运用积分的技巧来达成
D.损失函数移动的方向跟梯度的方向相同
E.神经网络调整参数的顺序是从后面一层层往前调
A.损失函数是对每个输入的预测值与真实值的差异计算总和
B.透过梯度下降一定可以找到降低损失函数的最佳解
C.损失函数的变量是可以调整的参数
D.训练神经网络是透过参数的调整来降低损失函数
E.梯度下降是降低损失函数的一种算法
最新试题
以下哪些技术被用于提高语言模型的性能?()
以下哪些是计算机视觉中图像分割任务的挑战?()
以下哪些方法可以用于文本生成任务?()
关于随机初始化的缺陷,以下哪个说法是正确的?()
以下哪些技术被用于改进序列到序列(Seq2Seq)模型的性能?()
知识图谱相比大模型的优点在于()
以下方法中可以用来解决类别不平衡数据问题的有()
在计算机视觉领域,以下哪些是目标检测算法中的重要概念?()
BERT模型在预训练阶段采用了哪些任务来学习语言表示?()
在自然语言处理中,以下哪些是Transformer模型相较于RNN/LSTM的优势?()