A、增加训练集量$;$减少神经网络隐藏层节点数$;$删除稀疏的特征$;$SVM算法中使用高斯核/RBF核代替线性核
答案:D
A、增加训练集量$;$减少神经网络隐藏层节点数$;$删除稀疏的特征$;$SVM算法中使用高斯核/RBF核代替线性核
答案:D
A. 广度优先搜索$;$深度优先搜索$;$有界深度优先搜索$;$启发式搜索
A. -d$;$ -p$;$ -u$;$-c
A. 0$;$1$;$2$;$2.71828
A. skip-gram$;$CBOW$;$GRU$;$BERT
A. 模型剪枝$;$模型蒸馏$;$模型参数量化$;$nan
A. a$;$b$;$c$;$true
A. 增加树的深度$;$增加学习率$;$减少树的数量$;$减小树的深度
A. 对某个输入从输入层沿网络传播到输出层$;$从输出层开始从后向前计算每个单元的delta$;$计算该输入对每个权值梯度的贡献$;$所有输入对梯度的贡献求和得到总梯度,根据学习率来改变原来的权值,完成了权值的一次修改
A. TRUE$;$FALSE
A. FPGA$;$CPU$;$GPU$;$ASIC