你可能感興趣的試題

A.通過跳躍連接緩解梯度消失問題
B.通過增加深度提高性能
C.通過減少參數(shù)數(shù)量防止過擬合
D.通過改變激活函數(shù)提高性能

A.BERT 考慮了單詞之間的順序關(guān)系。
B.ERT 是一個(gè)靜態(tài)的詞嵌入模型。
C.BERT 不能用于下游任務(wù)。
D.BERT 不依賴于預(yù)訓(xùn)練階段。

A.減少學(xué)習(xí)過程中的方差
B.加速模型的收斂速度
C.優(yōu)化策略的穩(wěn)定性
D.提高策略的探索能力

A.將每個(gè)數(shù)據(jù)點(diǎn)視為一個(gè)單獨(dú)的簇
B.將所有數(shù)據(jù)點(diǎn)視為一個(gè)簇
C.隨機(jī)選擇數(shù)據(jù)點(diǎn)作為簇
D.根據(jù)數(shù)據(jù)的分布選擇簇

A.有激活函數(shù)
B.損失函數(shù)
C.濾波器
D.正則化器

A.卷積層
B.池化層
C.全連接層
D.激活層

A.降低模型的偏差。
B.減少模型的方差。
C.增加模型的復(fù)雜度。
D.提高模型的泛化能力。

A.生成候選目標(biāo)框
B.預(yù)測目標(biāo)的類別
C.定位目標(biāo)的精確位置
D.提高目標(biāo)分辨率

A.減輕梯度消失問題
B.加速模型收斂
C.增加模型的泛化能力
D.減少模型參數(shù)

A.用于將文本轉(zhuǎn)換為模型可處理的數(shù)值向量的工具
B.用于評(píng)估模型性能的指標(biāo)
C.模型訓(xùn)練時(shí)的優(yōu)化算法
D.模型輸出的文本格式