0pen（）函数中，参数＇wb＇的含义是（）。

下列不属于深度学习内容的是（）。

（）不是神经网络的代表。

属于卷积神经网络应用方向的是（）。

输入图像已被转换为大小为28×28的矩阵和大小为7×7的步幅为1的核心/滤波器，则卷积矩阵的大小是（）。

输入图像为32×32，经过步长为1、不进行padding、卷积核为5×5的卷积层后，得到的特征图尺寸是（）。

输入图像为37×37，经过第一层卷积（the number of filters=25，kemelsize=5×5，padding=valid，stride=1）与池化层maxpooling（kernel size=3×3，padding=valid），输出特征图大小为（）。

深度学习是当前很热门的机器学习算法，深度学习涉及大量的矩阵相乘，现在需要计算三个稠密矩阵A、B、C的乘积ABC，假设三个矩阵的尺寸分别为m×n，n×p，p×q，且m<n<p<q，则下列计算顺序效率最高的是（）。

设计为8层的卷积神经网络AlexNet网络成功使用（），其效果远远地超过了Sigmoid函数。

如果训练一个RNN网络时发现权重与激活值都是NaN，则导致这个问题最有可能的原因是（）。

考虑某个具体问题时可能只有少量数据，但如果有一个类似问题已经预先训练好的神经网络，则可以有很靠谱的先验。可以利用这个预先训练好的网络的方法是（）。