HTML的表格中，如果需要定义表格的单元格内文字和边缘的空间，需要通过（）来实现。

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（）。

考察一个由三个卷积层组成的CNN：kernel=3x3，stride=2，padding=SAME。最低层输出100个特征映射（featuremap），中间层200个特征映射，最高层400个特征映射。输入是200×300的RGB图片，则总参数的数量是（）。

卷积神经网络中每层卷积层（convolutional layer）由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到，其作用是（）。

卷积神经网络（convolutional neural network，CNN）是一种专门用来处理具有类似（）的数据的神经网络。

卷积的过程是让过滤器在图像上进行（）。