×
单选题
假设拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置，则应采取的方法是（）。
A
除去神经网络中的最后一层，冻结所有层然后重新训练
B
对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层
C
使用新的数据集重新训练模型
D
所有答案均不对
答案解析
正确答案：B
解析：
由于神经网络浅层网络主要提取图像的低维特征，对于相近领域进行迁移学习时，这些低维特征相同，因此只需要对最后几层进行微调，而检测位置相当于回归任务。
题目纠错
相关题目
单选题
type（1e6）的结果为（）。
单选题
python字符串切片时，S[0，10]下标的取值范围为（）。
单选题
info=＇abc＇
info[2]=＇d＇的输出结果是（）。
单选题
a=[[1.，2.，1.]，[1.，2.，1.]]，a+3的值为（）。
单选题
a=l，b=2，c=3，则下列表达式结果为True的是（）。
单选题
a=[1，2，3.4，5]，切片时如果要取[2，3.4]，则下列结果正确的是（）。
单选题
Python运算符中用来计算集合并集的是（）。
单选题
Python语句print（0xA+0xB）的输出结果是（）。
单选题
Python对not、or、and求值的优先顺序是（）。
单选题
PHOTO_PATH="./photo/{}.jpg"指令可以实现（）。
