对学习器的泛化性能进行评估，不仅需要有效可行的实验估计方法，还需要有衡量模型泛化能力的评价标准，这就是()。

A. Adam的收敛速度比RMSprop慢
$;$相比于SGD或RMSprop等优化器，Adam的收敛效果是最好的
$;$对于轻量级神经网络，使用Adam比使用RMSprop更合适
$;$相比于Adam或RMSprop等优化器，SGD的收敛效果是最好的

A. 分布范围广--->较小的卷积核，大的感受野$;$分布范围小--->较小的卷积核，小的感受野$;$分布范围小--->较大的卷积核，小的感受野$;$分布范围大--->较小的卷积核，小的感受野

A. 规约数据$;$摘录$;$规则库$;$数据业务化

A. 用户画像$;$数据模型$;$用户标签$;$用户场景

A. 12345$;$13425$;$12534$;$13452

A. 太小$;$太大$;$分布不均匀$;$太接近零

A. 基于内容的寻址$;$基于位置的寻址$;$都不行$;$都可以

A. 理解别人讲的话$;$对自然语言表示的信息进行分析概括或编辑$;$自动程序设计$;$机器翻译