288.数字孪生在能源领域的应用主要是为了提高( )。

212.模型训练基本步骤包括定义算法公式, 也就是神经网络的前向算法;定义 loss,选择 优化器,使得 loss 最小; 对数据进行迭代训练, 使得 loss 达到最小值; 在测试集或者　验证集上对准确率进行评估。

211.随机裁剪、随机变换框、添加光照饱和度、修改压缩系数都属于训练预处理方案。

210.图像标注需求包括标注图像中物体的边框、类别或文字信息;标注同类图像集; 图像分　类;图像相似度标注。

209.2D 边界框、三维长方体或 3D 边界框、多边形分割、线和样条线标注都属于目标检测的　标注技术。

208.图像标注常见类型有分类、目标检测、语义分割。

207.图片标注的场景应用非常广,主要标注方法有 3D 标注、分类标注、情感标注、噪声标　注。

206.常见数据标注分类包括图像标注、语音标注、文本标注、分类标注。

205.数据采集方法有:系统日期采集、互联网数据采集(如通过网络爬虫或公开 API 来获　取)、APP 移动端数据采集、对人像车辆等进行现场拍摄。

204.图像分割的应用包括连通域分割、运动分割、阈值分割、目标分割。

203.2006 年, 深度学习元年, 深度学习之父 Hinton 提出的观点包括:多层人工神经网络模　型可以有很强的特征学习能力;深度学习模型对原始数据有更本质的表达;深度神经网　络可以采用逐层训练方法进行优化;训练时可以将上层训练好的结果作为下层训练过程　中的初始化参数。